使用gsub在R中拾取具有特定模式的字符串

Question

"CATARACT; #大腿骨~2010"

我需要拿起大腿骨 在使用gsub R中，實際上是unicode，以&#開頭，后跟五位數字，然后以;結尾; 。

我知道如何使用以下方法擺脫這些unicode：

gsub("&#[0-9]+;","","CATARACT; #大腿骨~2010")

但是如何使用gsub保留這些unicode？

編輯01

我想要的輸出是大腿骨 。

編輯02

感謝您的回答，但是如果模式不總是這樣，那么無論它們在哪里，我都需要提取unicode：

"CATARACT; #大腿骨~2010;CATARACT; #夨膀骩~2010"

Answer 1

例如使用gregexpr和regmatches ：

ex <- "CATARACT; #&#22823;&#33151;&#39592;~2010;CATARACT; #&#22824;&#33152;&#39593;~2010"
m <- gregexpr("&#[0-9]+;", ex)
(r <- regmatches(ex, m))
# [[1]]
# [1] "&#22823;" "&#33151;" "&#39592;" "&#22824;" "&#33152;" "&#39593;"

paste(r[[1]], collapse="")
# [1] "&#22823;&#33151;&#39592;&#22824;&#33152;&#39593;"

Answer 2

你可以試試 ：

 gsub("(^\\D*)((&#[0-9]+;)+)(.*$)", "\\2", x)