我在 regex101.com 中为 email 地址尝试了这个但是当我在 R 和 grep 中应用它时它不起作用

Question

我试图在 regex101.com 中编写代码来识别任何类型的 email 地址。

一般的email地址格式是这样的：

rohan.singh@example.com

rakesh@example.com

hamed.jelveh@example.dd.rr

这个命令在www.regex101.com中有效，如果我想 select 只是文本中的电子邮件。 regex101.com 链接如下： https://regex101.com/r/UA6CTA/1

(\w){1,25}(.|\w){1,25}@(\w){1,25}.(\w){1,25}(.|\w|$)((\w){1,25}|$)

但是当我在 R 中写这个时，即使我使用 \ 的 insitead 和 grep 命令，它也会给我“字符（0）”。 脚本如下：

emails <- c("javad.rasooli@bpmn.edu",
"education@world.gov",
"babak.pirooz@peace.org",
"invalid.edu",
"sadeghi@apbarez.edu",
"hassaneskandari@codeman.ir")
emails[grep(pattern = r"(\w){1,25}(.|\w){1,25}@(\w){1,25}.(\w){1,25}(.|\w|$)((\w){1,25}|$)",
x=emails)]

终端中的output如下：

emails[grep(pattern = r"((\w){1,25}(.|\w){1,25}@(\w){1,25}.
+             (\w){1,25}(.|\w|$)((\w){1,25}|$))",
+             x=emails)]
character(0)

谁能帮我做什么？

Answer 1

我假设 regex101 中使用的正则表达式没有双反斜杠，如下所示：

(\w){1,25}(.|\w){1,25}@(\w){1,25}.(\w){1,25}(.|\w|$)((\w){1,25}|$)

虽然这与 R 示例中的那个不匹配，但有或没有额外的 escaping。此外，R 示例中的正则表达式被标记为原始字符串 ( r"..." )，但在 R 中，还应使用开始和结束序列 (即r"(...)" ，R 帮助中的更多详细信息， ?Quotes ）。

emails <- c("javad.rasooli@bpmn.edu",
             "education@world.gov",
             "babak.pirooz@peace.org",
             "invalid.edu",
             "sadeghi@apbarez.edu",
             "hassaneskandari@codeman.ir")

emails[grep(pattern=r"((\w){1,25}(.|\w){1,25}@(\w){1,25}.(\w){1,25}(.|\w|$)((\w){1,25}|$))", ,x=emails)]
#> [1] "javad.rasooli@bpmn.edu"     "education@world.gov"       
#> [3] "babak.pirooz@peace.org"     "sadeghi@apbarez.edu"       
#> [5] "hassaneskandari@codeman.ir"

或者没有原始字符串：

emails[grep(pattern="(\\w){1,25}(.|\\w){1,25}@(\\w){1,25}.(\\w){1,25}(.|\\w|$)((\\w){1,25}|$)", x=emails)]
#> [1] "javad.rasooli@bpmn.edu"     "education@world.gov"       
#> [3] "babak.pirooz@peace.org"     "sadeghi@apbarez.edu"       
#> [5] "hassaneskandari@codeman.ir"

^{创建于 2023-01-28，使用reprex v2.0.2}

Answer 2

这是令人难以置信。 但关键是当你使用 grep 的正则表达式作为刺痛时，如果在 pattern="bla bla bla..." 你 go 到下一行因为 R 边距，它会改变字符串形式。 在下面我描述了解决方案。

例如，我想将字符串“Hello to programming lovers”保存到一个字符串变量中。

st<- "Hello to programming lovers"
st

output：

[1] "Hello to programming lovers"

现在出于任何原因，我用 2 行而不是一行重复上面的代码。

st<- "Hello to 
programming lovers"
st

output：

[1] "Hello to \n    programming lovers"

当我分两行编写此代码时，这是很自然的，它给了我“字符（0）”。

`emails[grep(pattern =r"((\w){1,25}(\.|\w){0,25}
        (\w){1,25}@(\w){1,25}\.(\w){1,25}(\.|\w|$)((\w){1,25}|$))",x=emails)]

output：

character(0)

同时，当您仅在一行中使用它或与带有 sep="" 的“粘贴”命令一起使用时，它会为您提供所需的结果。

这很简单但很棘手..