正则表达式 - 第 n 个 '\n' 之后的匹配文本答案

【问题标题】：Regex - matching text after the nth '\n'正则表达式 - 第 n 个 '\n' 之后的匹配文本
【发布时间】：2019-03-21 01:21:52
【问题描述】：

我有一个这样的示例文本：

"\n                                                                                    Apr 15, 2019\n                                                                                12:00 PM – 3:00 PMWMC 2502, Burnaby\n                                        "

我想分别提取日期、时间和地点。

我在想的是提取第二个“\n”之前的任何内容，这应该给我“\n Apr 15, 2019”。然后我可以删除“\n”和空格。
然后暂时，我想删除第二个“\n”之前和“PM”之后的所有内容。
对于位置，只需保留 PM 之后的任何内容，然后删除“\n”和空格。

这是我想要的结果：

[1] Apr 15, 2019
[2] 12:00 PM – 3:00 PM
[3] WMC 2502, Burnaby

谁能告诉我怎么做？其他方式也可以。

谢谢。

【问题讨论】：

我认为您没有正确添加示例文本。编辑：没关系。没想到全是一行，还有水平滚动。
试试strsplit(INPUT, "\\n")

标签： r regex web-scraping

【解决方案1】：

这是使用strsplit 的基本 R 单行代码

sapply(strsplit(ss, "(\\s{2,}|(?<=[AP]M)(?=\\w))", perl = T), function(x) x[x != ""])    #     [,1]
#[1,] "Apr 15, 2019"
#[2,] "12:00 PM – 3:00 PM"
#[3,] "WMC 2502, Burnaby"

由于样本字符串非常小，很难说这概括性有多好。

说明：我们将ss 拆分为或者至少2个空格"\\s{2,}"（这样可以避免在单个空格上拆分），或者在一个位置前面是"[AP]M"，通过正向后视，后面是一个单词字符（即不是空格），通过正向前瞻"(?<=[AP]M)(?=\\w)"。

样本数据

ss <- "\n                                                                                    Apr 15, 2019\n                                                                                12:00 PM – 3:00 PMWMC 2502, Burnaby\n                                        "

【讨论】：

【解决方案2】：

如果您的字符串与示例文本具有相同的结构，这应该可以工作。

library(dplyr)
library(stringr)

str_split(x, "\\n", simplify = T) %>%
  trimws() %>%
  as.data.frame() %>%
  mutate(
    time = str_match(V3, "^.+PM"),
    location = gsub(time, "", V3)
  ) %>%
  select(
    date = 2,
    time,
    location
  )

#           date               time          location
# 1 Apr 15, 2019 12:00 PM – 3:00 PM WMC 2502, Burnaby

【讨论】：