Chụp nhóm Regex trong R với nhiều nhóm chụp

Trong R, có thể trích xuất chụp nhóm từ một đối sánh biểu thức chính quy không? Theo như tôi có thể nói, không ai trong số grep, grepl, regexpr, gregexpr, sub, hoặc gsubtrả lại chụp nhóm.

Tôi cần trích xuất các cặp khóa-giá trị từ các chuỗi được mã hóa do đó:

\((.*?) :: (0\.[0-9]+)\)

Tôi luôn có thể thực hiện nhiều greps khớp đầy đủ hoặc thực hiện một số xử lý bên ngoài (không phải R), nhưng tôi hy vọng mình có thể làm tất cả trong R. Có một hàm hoặc một gói cung cấp một hàm như vậy để thực hiện việc này không?

str_match(), từ stringrgói, sẽ làm điều này. Nó trả về một ma trận ký tự với một cột cho mỗi nhóm trong trận đấu (và một cho cả trận đấu):

> s = c("(sometext :: 0.1231313213)", "(moretext :: 0.111222)")
> str_match(s, "\\((.*?) :: (0\\.[0-9]+)\\)")
     [,1]                         [,2]       [,3]          
[1,] "(sometext :: 0.1231313213)" "sometext" "0.1231313213"
[2,] "(moretext :: 0.111222)"     "moretext" "0.111222"    

gsub thực hiện điều này, từ ví dụ của bạn:

gsub("\\((.*?) :: (0\\.[0-9]+)\\)","\\1 \\2", "(sometext :: 0.1231313213)")
[1] "sometext 0.1231313213"

bạn cần phải thoát gấp đôi \ s trong dấu ngoặc kép thì chúng sẽ hoạt động với regex.

Hi vọng điêu nay co ich.

Hãy thử regmatches()và regexec():

regmatches("(sometext :: 0.1231313213)",regexec("\\((.*?) :: (0\\.[0-9]+)\\)","(sometext :: 0.1231313213)"))
[[1]]
[1] "(sometext :: 0.1231313213)" "sometext"                   "0.1231313213"

gsub () có thể thực hiện việc này và chỉ trả về nhóm chụp:

Tuy nhiên, để điều này hoạt động, bạn phải chọn rõ ràng các phần tử bên ngoài nhóm chụp của bạn như đã đề cập trong trợ giúp gsub ().

(...) các phần tử của vectơ ký tự 'x' không được thay thế sẽ được trả về không thay đổi.

Vì vậy, nếu văn bản của bạn được chọn nằm ở giữa một số chuỗi, việc thêm. * Trước và sau nhóm chụp sẽ cho phép bạn chỉ trả lại nó.

gsub(".*\\((.*?) :: (0\\.[0-9]+)\\).*","\\1 \\2", "(sometext :: 0.1231313213)") [1] "sometext 0.1231313213"

Tôi thích các biểu thức chính quy tương thích perl. Có lẽ ai đó cũng làm vậy ...

Đây là một hàm thực hiện các biểu thức chính quy tương thích perl và khớp với chức năng của các hàm trong các ngôn ngữ khác mà tôi quen dùng:

regexpr_perl <- function(expr, str) {
  match <- regexpr(expr, str, perl=T)
  matches <- character(0)
  if (attr(match, 'match.length') >= 0) {
    capture_start <- attr(match, 'capture.start')
    capture_length <- attr(match, 'capture.length')
    total_matches <- 1 + length(capture_start)
    matches <- character(total_matches)
    matches[1] <- substr(str, match, match + attr(match, 'match.length') - 1)
    if (length(capture_start) > 1) {
      for (i in 1:length(capture_start)) {
        matches[i + 1] <- substr(str, capture_start[[i]], capture_start[[i]] + capture_length[[i]] - 1)
      }
    }
  }
  matches
}

Đây là cách tôi đã giải quyết vấn đề này. Tôi đã sử dụng hai regex riêng biệt để khớp với nhóm chụp thứ nhất và thứ hai và chạy hai gregexprlệnh gọi, sau đó kéo ra các chuỗi con phù hợp:

regex.string <- "(?<=\\().*?(?= :: )"
regex.number <- "(?<= :: )\\d\\.\\d+"

match.string <- gregexpr(regex.string, str, perl=T)[[1]]
match.number <- gregexpr(regex.number, str, perl=T)[[1]]

strings <- mapply(function (start, len) substr(str, start, start+len-1),
                  match.string,
                  attr(match.string, "match.length"))
numbers <- mapply(function (start, len) as.numeric(substr(str, start, start+len-1)),
                  match.number,
                  attr(match.number, "match.length"))

Giải pháp với strcapturetừ utils:

x <- c("key1 :: 0.01",
       "key2 :: 0.02")
strcapture(pattern = "(.*) :: (0\\.[0-9]+)",
           x = x,
           proto = list(key = character(), value = double()))
#>    key value
#> 1 key1  0.01
#> 2 key2  0.02

Như được đề xuất trong stringrgói, điều này có thể đạt được bằng cách sử dụng str_match()hoặc str_extract().

Phỏng theo sách hướng dẫn:

library(stringr)

strings <- c(" 219 733 8965", "329-293-8753 ", "banana", 
             "239 923 8115 and 842 566 4692",
             "Work: 579-499-7527", "$1000",
             "Home: 543.355.3679")
phone <- "([2-9][0-9]{2})[- .]([0-9]{3})[- .]([0-9]{4})"

Trích xuất và kết hợp các nhóm của chúng tôi:

str_extract_all(strings, phone, simplify=T)
#      [,1]           [,2]          
# [1,] "219 733 8965" ""            
# [2,] "329-293-8753" ""            
# [3,] ""             ""            
# [4,] "239 923 8115" "842 566 4692"
# [5,] "579-499-7527" ""            
# [6,] ""             ""            
# [7,] "543.355.3679" ""   

Chỉ ra các nhóm bằng ma trận đầu ra (chúng tôi quan tâm đến cột 2+):

str_match_all(strings, phone)
# [[1]]
#      [,1]           [,2]  [,3]  [,4]  
# [1,] "219 733 8965" "219" "733" "8965"
# 
# [[2]]
#      [,1]           [,2]  [,3]  [,4]  
# [1,] "329-293-8753" "329" "293" "8753"
# 
# [[3]]
#      [,1] [,2] [,3] [,4]
# 
# [[4]]
#      [,1]           [,2]  [,3]  [,4]  
# [1,] "239 923 8115" "239" "923" "8115"
# [2,] "842 566 4692" "842" "566" "4692"
# 
# [[5]]
#      [,1]           [,2]  [,3]  [,4]  
# [1,] "579-499-7527" "579" "499" "7527"
# 
# [[6]]
#      [,1] [,2] [,3] [,4]
# 
# [[7]]
#      [,1]           [,2]  [,3]  [,4]  
# [1,] "543.355.3679" "543" "355" "3679"

Điều này có thể được thực hiện bằng cách sử dụng package unglue , lấy ví dụ từ câu trả lời đã chọn:

# install.packages("unglue")
library(unglue)

s <- c("(sometext :: 0.1231313213)", "(moretext :: 0.111222)")
unglue_data(s, "({x} :: {y})")
#>          x            y
#> 1 sometext 0.1231313213
#> 2 moretext     0.111222

Hoặc bắt đầu từ khung dữ liệu

df <- data.frame(col = s)
unglue_unnest(df, col, "({x} :: {y})",remove = FALSE)
#>                          col        x            y
#> 1 (sometext :: 0.1231313213) sometext 0.1231313213
#> 2     (moretext :: 0.111222) moretext     0.111222

bạn có thể lấy regex thô từ mẫu unglue, tùy chọn với chụp có tên:

unglue_regex("({x} :: {y})")
#>             ({x} :: {y}) 
#> "^\\((.*?) :: (.*?)\\)$"

unglue_regex("({x} :: {y})",named_capture = TRUE)
#>                     ({x} :: {y}) 
#> "^\\((?<x>.*?) :: (?<y>.*?)\\)$"

Thông tin thêm: https://github.com/moodymudskipper/unglue/blob/master/README.md