正则表达式 Tidyverse，如果存在，如何捕获表达式答案

【问题标题】：Regex Tidyverse, how to capture expression if exists正则表达式 Tidyverse，如果存在，如何捕获表达式
【发布时间】：2019-06-05 15:55:59
【问题描述】：

我正在使用正则表达式来解析汽车名称。
由于Golf 有很多版本，我想消除它之后的所有内容，Golf SportsWagen 除外。

我的尝试是：

> some_versions <- c("Golf A5", "Golf SportsWagen", "Cross Golf", "Golf A6")
> str_replace( some_versions, "Golf( SportsWagen)?", "Golf\\1" )
[1] "Golf A5"   "Golf SportsWagen"   "Cross Golf"   "Golf A6"

但这给出了整个原始向量some_versions

相比之下，如果我运行比赛，我会得到预期的结果：

> str_match(some_versions, "Golf( SportsWagen)?")
     [,1]               [,2]          
[1,] "Golf"             NA            
[2,] "Golf SportsWagen" " SportsWagen"
[3,] "Golf"             NA            
[4,] "Golf"             NA

与NA 不匹配。

我想要得到的是：

> str_replace(some_versions, "pattern", "Golf\\1")
> "Golf"  "Golf SportsWagen"   "Golf"   "Golf"

有谁知道我该如何解决这个问题？

另外，我的下一个要求是捕获Cross Golf。

谢谢。

【问题讨论】：

如果没有匹配怎么办？试试str_replace( some_versions, ".*(Golf(?: SportsWagen)?).*", "\\1" )
或sub(".*?Golf( SportsWagen)?.*", "Golf\\1", some_versions)
为什么不使用str_extract(some_versions, "Golf(?: SportsWagen)?")？（或者，"\\bGolf(?: SportsWagen\\b)?" 匹配整个单词）
@WiktorStribiżew 这个帮助我完成了这个特定的示例，但我无法满足我的下一个要求，即捕获Cross Golf。为此，我可以与需要考虑其他角色的@G5W 合作。
str_extract(some_versions, "(?:Cross )?Golf(?: SportsWagen)?")?

标签： r regex tidyverse regex-group

【解决方案1】：

我建议在这里使用str_extract 而不是str_replace。 str_replace 替换它匹配的文本。 str_extract pulls 从较长的文本字符串中匹配的子字符串。

要解决原来的任务，你可以使用

str_extract(some_versions, "Golf(?: SportsWagen)?")
[1] "Golf"             "Golf SportsWagen" "Golf"             "Golf"

如果Cross 在Golf 之前也可以提取Cross Golf，请使用

str_extract(some_versions, "(?:Cross )?Golf(?: SportsWagen)?")
[1] "Golf"       "Golf"       "Cross Golf" "Golf"

所以，(?:Cross )?Golf(?: SportsWagen)? 匹配可选的Cross 和它后面的空格，然后匹配Golf，然后匹配可选的空格序列+SportsWagen。

用\\s+ 替换空格以匹配任何1 个或多个空格，并用\\b 换行单词边界，如果您需要将这些字符串作为整个单词进行匹配。

例如：

str_extract(some_versions, "\\b(?:Cross\\s+)?Golf(?:\\s+SportsWagen)?\\b")
[1] "Golf"             "Golf SportsWagen" "Cross Golf"       "Golf"

【讨论】：

谢谢。这很有帮助。