R中的正则表达式：如何从字符串中提取字符答案

【问题标题】：regular expression in R: how to extract characters from a stringR中的正则表达式：如何从字符串中提取字符
【发布时间】：2013-01-14 21:20:42
【问题描述】：

我有一个字符串向量，每个字符串都包含一个或多个作者的姓氏和名字。我想提取每个字符串中每个作者的姓氏。我所知道的是，首先出现的名字总是作者（第一作者）的姓氏，而其他作者的姓氏是介于; 和, 之间的所有内容。例如，在以下字符串中：

tutu <- "goulenok, tiphaine miquel; meune, christophe; gossec, laure; dougados, maxime; kahan, andre; allanore, yannick"

我要提取：

"goulenok" "meune" "gossec" "dougados" "kahan" "allanore"

姓氏可以包含标点符号，例如' 或-，但始终介于; 和, 之间

有什么想法吗？

【问题讨论】：

标签： regex r

【解决方案1】：

> sub(",.*$", "", strsplit(tutu, ";[ ]+")[[1]])
[1] "goulenok" "meune"    "gossec"   "dougados" "kahan"    "allanore"

【讨论】：

【解决方案2】：

这是一种使用 gsubfn 包的方法：

library(gsubfn)

unlist(strapplyc(tutu, "(?:^|;) *([^,]+)"))

【讨论】：

【解决方案3】：

这有点生硬，但也有效：

sapply(unlist(lapply(strsplit(tutu, ";"), strsplit, ",")), "[", 1)

【讨论】：