使用 gsub 提取多个单词之间的字符串答案

【问题标题】：Extract string between multiple words, using gsub使用 gsub 提取多个单词之间的字符串
【发布时间】：2017-04-04 15:26:33
【问题描述】：

我正在尝试使用 -gsub- 从 R 中的字符串中分离单词。我想提取一个可以在“（”和“（m）”（男性）或“（”和“（f）”之间找到的名称。我正在努力合并到一行代码中。

name<-c("Dr. T. (Tom) Bailey (m), UCL- Physics" , "Dr. B.K. (Barbara) Blue (f), Oxford - Political Science")

malename<-gsub(".*\\) (.*) \\(m).*", "\\1", name)
femname<-gsub(".*\\) (.*) \\(f).*", "\\1", name)

上面的代码分别给了我男性和女性的名字，但理想情况下，我想在一个变量中获取他们的姓氏。这将涉及一些 OR 函数（so (m) OR (f)），但我不知道如何合并它。

【问题讨论】：

你的意思是你在找".*\\) (.*) \\([mf]\\).*"？
gsub('(\\w+) \\([mf]\\)|.', '\\1', name)

标签： r regex gsub

【解决方案1】：

试试sub

sub("^[^)]+\\)\\s+(\\w+).*", "\\1", name)
#[1] "Bailey" "Blue"

【讨论】：

【解决方案2】：

如果您需要匹配 m 或 f，匹配它们的最佳方式是 character class（或者，在 POSIX 术语中，括号表达式）：[mf]。

你的正则表达式看起来像

".*\\)\\s+(.*)\\s+\\([mf]\\).*"
                     ^^^^

见regex demo

您可以使用带有sub 的正则表达式来确保只执行一个正则表达式匹配和替换（请参阅online demo）：

name<-c("Dr. T. (Tom) Bailey (m), UCL- Physics" , "Dr. B.K. (Barbara) Blue (f), Oxford - Political Science")
res <- sub(".*\\)\\s+(.*)\\s+\\([mf]\\).*", "\\1", name)
res
## => [1] "Bailey" "Blue"

【讨论】：

非常感谢您的帮助，一切顺利。不幸的是，我现在看到有些名字没有列出性别，例如：“Dr. T. (Tim) Ford, UCL- Physics”。我可以在命令中也使用逗号吗？类似地，一些名称在性别标识符之后包括一个额外的空格，即：“Dr. T. (Tom) Bailey (m), UCL-Physics”。有什么办法可以解决这个问题吗？
是的，对第一个和第二个点使用惰性匹配 (.*?) 并使用替换 (?:\([mf]\)|,): sub(".*?\\)\\s*(.*?)\\s*(?:\\([mf]\\)|,).*", "\\1", name)。
再次感谢，但惰性匹配似乎并没有解决 m (m ) 之后的额外空间。在此示例中，它不返回名称。 name<-c("Dr. T. (Tom) Bailey (m )) 然后sub(".*?\\)\\s*(.*?)\\s*(?:\\([mf]\\)|,).*", "\\1", name) 返回一个空字符串。
您的示例没有包含这种输入。要匹配这些字符串，您需要在[mf] 之后使用\s* 来“允许”0+ 个空格。点是贪婪量化还是惰性量化都没有关系。试试sub(".*?\\)\\s*(.*?)\\s*(?:\\(\\s*[mf]\\s*\\)|,).*", "\\1", name)。
这非常有效，你拯救了我的一天！非常感谢。