R正则表达式获取第二个下划线之前的所有文本答案

【问题标题】：R regular expression to obtain all text before the second underscoreR正则表达式获取第二个下划线之前的所有文本
【发布时间】：2016-11-17 09:55:36
【问题描述】：

s <- "1-343-43Hello_2_323.14_fdh-99H"

在 R 中，我想使用正则表达式来获取第二个下划线之前的子字符串。如何使用一个正则表达式来完成？另一种方法是用 '_' 分割，然后粘贴前两个 - 一些东西；

paste(sapply(strsplit(s, "_"),"[", 1:2), collapse = "_")

给：

[1] "1-343-43Hello_2"

但是我怎样才能使一个正则表达式来做同样的事情呢？

【问题讨论】：

标签： regex r split

【解决方案1】：

您可以使用sub：

sub("^([^_]*_[^_]*).*", "\\1", s)

见regex demo

R code demo:

s <- "1-343-43Hello_2_323.14_fdh-99H"
sub("^([^_]*_[^_]*).*", "\\1", s)
## => [1] "1-343-43Hello_2"

模式详情：

^ - 字符串开头
([^_]*_[^_]*) - 第 1 组捕获除 _ 之外的 0+ 个字符，然后是 _，然后是 0+ 个非_s
.* - 字符串的其余部分（注意 TRE 正则表达式 . 也匹配换行符）。

\\1 替换只返回组 1 内的值。

【讨论】：

【解决方案2】：

echo preg_replace("/([^_])_([^_]).*/" , "$1_$2" , "1-343-43Hello_2_323.14_fdh-99H");

或者如果您正在寻找匹配的 int /^[^]*[^_]*/ 将是匹配它的正则表达式字符串

<?php
    echo preg_match("/^[^_]*_[^_]*/" , "1-343-43Hello_2_323.14_fdh-99H" , $test );
    var_dump( $test );
?>

或在javascript中

"1-343-43Hello_2_323.14_fdh-99H".match(/^[^_]*_[^_]*/);

【讨论】：

问题明显是关于 R.
对不起，我没听懂

【解决方案3】：

一般来说，为了回答标题中的问题，是

sub("^(([^_]*_){n}[^_]*).*", "\\1", s)

其中n 是您允许的_ 的数量。

【讨论】：

其实n是下划线的个数减1所以如果你想允许2个下划线那么n就是1。
@G.Grothendieck 不，不是。
你是对的，但问题是指“在第二个下划线之前的子字符串”并且对于那个 n = 1，而不是 2，这就是我试图澄清但显然错误的.无论如何，我确实给了你一个支持，因为你提供了最普遍的答案。

【解决方案4】：

sub('\\_\\d+\\..*$','',s)
#[1] "1-343-43Hello_2"

【讨论】：

【解决方案5】：

这里是 gsub（在 data.table 中），以防您需要 perl=TRUE，（fx 前瞻和后视），不幸的是，这在 str_match 中不起作用

dtx[, var_stringr := stringr::str_match(string, '([^_]+)(?:_[^_]+){5}$')[,2]][]


dtx[
  # first select the ones with '_' so that the third element is NA
  grepl('_', string), 
  var_gsub := sub('(.*_)([^_]+)(_[^_]+){5}$',  '\\2', string)][]

这种方法的缺点是，如果你选择一个高于第n次出现的数字，而不是像str_match那样返回NA，它会返回整个字符串。

【讨论】：