如何放置| 符號來匹配使用stringr :: str_match的兩個正則表達式模式中的任何一個？

Question

df$PlateName中找到的不同格式為：

    MIPS_AGRE_P01_DIL
    MIPS_SSC_P50_DIL
    MIPS_MtS_P34
    MIPS_AT_P1_DIL
    KORgex.mips.G12
    MIPS_SSC_CL_P32_DIL
    MIPS_SSC_CL_Low_DIL

使用此正則表達式非常笨拙，它會返回以下類型：

str_match(df$PlateName, 
          "MIPS_([:alnum:]+(?:_[:alnum:]+)?)_[Low|P:digit:]+(?:_[DIL])?|(KORgex).*")) %>%
  as.tibble %>% 
  count(V2)

所有不適用的都是KORgex.mips.G12類型。 如何使此正則表達式起作用？

AGRE    1654            
AT      93          
MtS     1324            
SSC     5280            
SSC_CL  288         
NA      529 

---

更新：

我意識到在這種情況下使用str_extract可能更好，因為這只會返回df$PlateName每個組件的匹配部分。

我仍然無法完全獲得返回所需信息的代碼-我缺少什么？

str_extract(data$PlateName, "[[:alnum:]+^(?!(MIPS))]_([[:alnum:]&&[^P]]+(_CL)?)?|(KORgex)") %>% 
as.tibble  %>% 
count(value)`

返回：

KORgex      529         
S_AGRE      1654            
S_AT        93          
S_MtS       1324            
S_SSC       5280            
S_SSC_CL    288 

我一生都無法擺脫MIPS_子類型中的S_ ！

Answer 1

我們在這里可以做的最好的事情是使用分支重置組 (?|...|...)僅獲得一個組，而不是多個組。

但是，R中的stringr / stringi函數基於ICU regex風格 ，它不支持分支重置組。

在這里使用分支重置的最方便方法是通過grep ：

grep(df$PlateName, 
  "(?|MIPS_([:alnum:]+(?:_[:alnum:]+)?)_[Low|P:digit:]+(?:_[DIL])?|(KORgex).*)", perl=TRUE)

Answer 2

我認為這應該有效。 在與str_match了一段時間之后，我決定使用str_replace刪除不需要的所有內容會更容易。

df$PlateName %>%
  str_replace("([[:alpha:]]+_)?([[:alpha:]]+)(_CL)?(_|\\.)??.*", "\\2\\3") %>%
  as_tibble() %>%
  count(value)

Answer 3

希望這可以幫助！

library(stringr)
library(dplyr)

#this step places "|" symbol to match either of two regex patterns
str_match(df$PlateName, "MIPS_(\\S+)_[P|Low].*|(KORgex).*") %>%
  #convert to dataframe to count its occurrences
  data.frame(stringsAsFactors=F) %>%
  mutate(sub_PlateName = coalesce(X2, X3)) %>%
  group_by(sub_PlateName) %>%
  tally()

輸出為：

  sub_PlateName     n
1 AGRE              1
2 AT                1
3 KORgex            1
4 MtS               1
5 SSC               1
6 SSC_CL            2

樣本數據：

df <- structure(list(PlateName = c("MIPS_AGRE_P01_DIL", "MIPS_SSC_P50_DIL", 
"MIPS_MtS_P34", "MIPS_AT_P1_DIL", "KORgex.mips.G12", "MIPS_SSC_CL_P32_DIL", 
"MIPS_SSC_CL_Low_DIL")), .Names = "PlateName", class = "data.frame", row.names = c(NA, 
-7L))

更新：使用str_extract

str_extract(df$PlateName, "(?<=MIPS_)\\S+(?=_P|_Low)|KORgex") %>% 
  as.tibble %>% 
  count(value)
#   value     n
#1   AGRE     1
#2     AT     1
#3 KORgex     1
#4    MtS     1
#5    SSC     1
#6 SSC_CL     2