提取所有內容，直到第三階段

Question

我有此Identifier列

structure(list(Identifier = c("NC.1.OA", "NC.1.OA.0", "NC.1.OA.1", 
"NC.1.OA.1.a", "NC.1.OA.1.b", "NC.1.OA.1.c", "NC.1.OA.2", "NC.1.OA.2.0", 
"NC.1.OA.3", "NC.1.OA.4", "NC.1.OA.4.0", "NC.1.OA.9", "NC.1.OA.6", 
"NC.1.OA.6.a", "NC.1.OA.6.b", "NC.1.OA.6.c", "NC.1.OA.6.d", "NC.1.OA.6.e", 
"NC.1.OA.6.f", "NC.1.OA.6.f.0", "NC.1.OA.7", "NC.1.OA.8")), row.names = c(NA, 
-22L), class = c("tbl_df", "tbl", "data.frame"))

我想從此列中提取NC.1.OA 通常，這將提取從開始到第三個時段的所有內容，但是第一行會違反該規則，因為只有兩個時段。

我嘗試了沒有雪茄的gsub(".*\\\\.(.*)\\\\..*", "\\\\1", Identifier) 。

Answer 1

我們可以使用str_extract

library(tidyverse)
df %>% 
  mutate(new = str_extract(Identifier, "NC\\.1\\.OA"))

---

另外，如果我們正在使用sub （因為我們不在全局替換中，所以不需要gsub ），請使用位置標識符進行修復，以將字符串通知開始（ ^ ）。 在下面的模式中，我們匹配一個或多個不是的字符. （ [^.]+ ）后跟一個. （ [.] -點是一個元字符，因此我們將其轉義或放在方括號中以按字面值求值），然后再加上一個數字（ \\\\d+ ），然后是一個. 和不是點的字符（如前所述），將它們捕獲為一個組（用方括號括起來），在替換中使用捕獲組的后向引用（ \\\\1 ）

sub("^([^.]+[.]\\d+[.][^.]+).*", "\\1", df$Identifier)
#[1] "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA"
#[12] "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA"