R中的正則表達式以提取兩個字符串之間的值

Question

我的線條看起來像這樣

 01:04:43.064 [12439] <2> xyz
 01:04:43.067 [12439] <2> a lmn
 01:04:43.068 [12439] <4> j klm
 x_times_wait to <3000>
 01:04:43.068 [12439] <4> j klm
 enter_object <5000> main k

我希望正則表達式僅提取以時間戳開頭的行的尖括號后的值

這就是我嘗試過的-假設這些行在名為nn的數據幀中

 split<-str_split_fixed(nn[,1], ">", 2)
 split2<-data.frame(split[,2])

問題是split2給

   xyz
   a lmn
   j klm

   j klm
   main k

如何確保不返回空行和主k？

Answer 1

\d+(?::\d+){2}\.\d+\s+\[[^\]]+\]\s+<\d+>(.+)$

而不是拆分嘗試比賽並抓住小組1.請參閱演示。

https://regex101.com/r/vN3sH3/16

要么

除以(?<=<\\d>)並獲取split2

Answer 2

如果將時間戳定義為1個或多個數字，后跟一個: ，然后是1個或多個數字和另一個:然后是1個或多個數字，那么此方法可能對您有用。

x <- c("01:04:43.064 [12439] <2> xyz", "01:04:43.067 [12439] <2> a lmn",   
       "01:04:43.068 [12439] <4> j klm", "x_times_wait to <3000>",  
       "01:04:43.068 [12439] <4> j klm", "enter_object <5000> main k")

sub(".*> ", "", x[grepl("\\d+:\\d+:\\d+", x)])
# [1] "xyz"   "a lmn" "j klm" "j klm"

這將首先刪除所有非時間戳記元素，然后在>之后獲取其余元素的值。

Answer 3

這是基於R的方法：

正則表達式：

^(\\d{2}:){2}\\d{2}\\.\\d{3}.*>\\s*\\K.+

您可以將其與gregexpr一起gregexpr ：

unlist(regmatches(vec, gregexpr("^(\\d{2}:){2}\\d{2}\\.\\d{3}.*>\\s*\\K.+", 
                                vec, perl = TRUE)))
# [1] "xyz"   "a lmn" "j klm" "j klm"

vec是包含您的字符串的向量。

Answer 4

使用rex可以使這種類型的任務更加簡單。

string <- "01:04:43.064 [12439] <2> xyz
01:04:43.067 [12439] <2> a lmn
01:04:43.068 [12439] <4> j klm
x_times_wait to <3000>
01:04:43.068 [12439] <4> j klm
enter_object <5000> main k"

library(rex)

timestamp <- rex(n(digit, 2), ":", n(digit, 2), ":", n(digit, 2), ".", n(digit, 3))

re <- rex(timestamp, space,
          "[", digits, "]", space,
          "<", digits, ">", space,
          capture(anything))

re_matches(string, re, global = TRUE)

#> [[1]]
#>       1
#> 1   xyz
#> 2 a lmn
#> 3 j klm
#> 4 j klm