在另一個字段上使用RegEx在R data.table中創建新字段

Question

給定此data.table ：

library(data.table)

dt <- data.table(f1 =  c(
  "stuffstuff-0000097125",
  "stuffstuff.abc.0006496679",
  "stuffstuff0007517235",
  "stuffstuff_xyz.0007280719",
  "stuffstuff0005995303",
  "stuffstuff_a1b_0000143856",
  "stuffstuff0009362407",
  "stuffstuff.c44_0009735298"
))

我想得到這些結果：

                          f1 parsed_val
1:     stuffstuff-0000097125        
2: stuffstuff.abc.0006496679        abc
3:      stuffstuff0007517235        
4: stuffstuff_xyz.0007280719        xyz
5:      stuffstuff0005995303        
6: stuffstuff_a1b_0000143856        a1b
7:      stuffstuff0009362407        
8: stuffstuff.c44_0009735298        c44

這是我嘗試過的：

rex_pattern <- "(?<=(\\.|\\_|\\-))[A-Za-z0-9]{3}(?=(\\.|\\_|\\-)[0-9]{3,})"

dt[, `:=`(parsed_val = regmatches(f1, regexpr(pattern = rex_pattern, f1, perl = TRUE)))]  

但是，由於回收，這些是我得到的結果：

                          f1 parsed_val
1:     stuffstuff-0000097125        abc
2: stuffstuff.abc.0006496679        xyz
3:      stuffstuff0007517235        a1b
4: stuffstuff_xyz.0007280719        c44
5:      stuffstuff0005995303        abc
6: stuffstuff_a1b_0000143856        xyz
7:      stuffstuff0009362407        a1b
8: stuffstuff.c44_0009735298        c44

我試圖在函數中使用ifelse返回空字符串：

getMmFromFilename <- function(my_file_name){
rex_pattern <- "(?<=(\\.|\\_|\\-))[A-Za-z0-9]{3}(?=(\\.|\\_|\\-)[0-9]{3,})"
nothing_found <- character(length = 0)

mm <- regmatches(my_file_name, regexpr(pattern = rex_pattern, my_file_name, perl = TRUE))
ifelse(identical(mm, nothing_found), "missing_Mm", mm)
}

dt[, .(parsed_val = getMmFromFilename(f1))]

但這僅返回1的abc值。 regmatches的文檔說：“對於向量匹配數據（從regexpr獲得），將刪除空匹配項；對於列表匹配數據，空匹配將給出空組件（零長度字符向量）。” 我猜想解決方案就在這里，但我還沒有得到...

至於解決方案，我的工作流程要求我使用data.table ，對解決方案的簡要說明將有很大的幫助...

提前致謝。

Answer 1

dt[,parser_val:=sub(".*?[._](.*)[._].*|.*","\\1",f1)]
dt
                          f1 parser_val
1:     stuffstuff-0000097125           
2: stuffstuff.abc.0006496679        abc
3:      stuffstuff0007517235           
4: stuffstuff_xyz.0007280719        xyz
5:      stuffstuff0005995303           
6: stuffstuff_a1b_0000143856        a1b
7:      stuffstuff0009362407           
8: stuffstuff.c44_0009735298        c44

如果要使用regmatches ，則可以使用pattern="(?<=[._]).*(?=[._])|$"和perl=TRUE

dt[,parser_val:=regmatches(dt$f1,regexpr("(?<=[._]).*(?=[._])|$",dt$f1,perl = T))]
> dt
                          f1 parser_val
1:     stuffstuff-0000097125           
2: stuffstuff.abc.0006496679        abc
3:      stuffstuff0007517235           
4: stuffstuff_xyz.0007280719        xyz
5:      stuffstuff0005995303           
6: stuffstuff_a1b_0000143856        a1b
7:      stuffstuff0009362407           
8: stuffstuff.c44_0009735298        c44