R：使用 POSIX 正则表达式从字符串中提取数据答案

【问题标题】：R: Extract data from string using POSIX regular expressionR：使用 POSIX 正则表达式从字符串中提取数据
【发布时间】：2011-08-06 20:20:39
【问题描述】：

如何使用 POSIX 样式的正则表达式从该字符串中仅提取 DATABASE_NAME？

st <- "MICROSOFT_SQL_SERVER.DATABASE\INSTANCE.DATABASE_NAME."

首先，这会产生错误

Error: '\I' is an unrecognized escape in character string starting "MICROSOFT_SQL_SERVER.DATABASE\I"

我在想类似的事情

sub(".*\\.", st, "")

【问题讨论】：

【解决方案1】：

第一个问题是你需要在你的字符串中转义\：

st <- "MICROSOFT_SQL_SERVER.DATABASE\\INSTANCE.DATABASE_NAME."

至于主要问题，这将从您提供的字符串中返回您想要的位：

> sub("\\.$", "", sub("[A-Za-z0-9\\._]*\\\\[A-Za-z]*\\.", "", st))
[1] "DATABASE_NAME"

但更简单的解决方案是拆分 \\. 并选择最后一个块：

> strsplit(st, "\\.")[[1]][3]
[1] "DATABASE_NAME"

或者稍微自动化一点

> sst <- strsplit(st, "\\.")[[1]]
> tail(sst, 1)
[1] "DATABASE_NAME"

【讨论】：

【解决方案2】：

其他答案提供了一些使用strsplit 或str_split 解决问题的非常好的替代方法。

但是，如果您真的想使用正则表达式和gsub，此解决方案会将前两次出现的 a（字符串后跟句点）替换为空字符串。

注意使用? 修饰符告诉正则表达式不要贪婪，以及使用{2} 修饰符告诉它重复括号中的表达式两次。

gsub("\\.", "", gsub("(.+?\\.){2}", "", st)) 
[1] "DATABASE_NAME"

【讨论】：

【解决方案3】：

另一种方法是在包stringr 中使用str_split。思路是在每个句点将st拆分成字符串，然后隔离第三个字符串：

st <- "MICROSOFT_SQL_SERVER.DATABASE\\INSTANCE.DATABASE_NAME."

library(stringr)

str_split(st, "\\.")[[1]][3]

[1] "DATABASE_NAME"

【讨论】：