R正则表达式，试图捕获一个组答案

【问题标题】：R regular expressions, trying to capture a groupR正则表达式，试图捕获一个组
【发布时间】：2015-01-15 15:33:13
【问题描述】：

我已经阅读了一些关于正则表达式中 R 捕获组的其他问题，但我运气不佳。

我有一个字符串：

127.0.0.1 - - [07/Dec/2014:06:43:43 -0800] \"OPTIONS * HTTP/1.0\" 200 - \"-\" \"Apache/2.2.14 (Ubuntu) PHP/5.3.2-1ubuntu4.24 with Suhosin-Patch mod_ssl/2.2.14 OpenSSL/0.9.8k mod_apreq2-20090110/2.7.1 mod_perl/2.0.4 Perl/v5.10.1 (internal dummy connection)\"

我试图从中捕获时间戳：

07/Dec/2014:06:43:43 -0800

以下函数调用返回一个匹配项：

regmatches(x,regexpr('\\[([\\w:/]+\\s[+\\-]\\d{4})\\]',x,perl=TRUE))
[1] "[07/Dec/2014:06:43:43 -0800]"

我尝试使用 str_match 来捕获单个组本身，并使用各种不同的正则表达式：

str_match(x, "\\[([\\w:/]+\\s[+\\-]\\d{4})\\]")
     [,1] [,2]
[1,] NA   NA

无济于事。在大多数在线正则表达式测试器中，此正则表达式的不同种类测试正确，所以我认为正则表达式不是问题。

我怎样才能得到时间戳本身，这样我就可以将它泵入strptime，而不用像gsub括号一样？ gsub 无法为我获取组，str_match 不起作用，我错过了什么？理想的输出是

07/Dec/2014:06:43:43 -0800

然后我可以在 strptime 中使用它。

【问题讨论】：

标签： regex r

【解决方案1】：

使用\k（\K 将匹配的文本保持在整体正则表达式匹配之外。）和积极的前瞻。

> regmatches(x,regexpr('\\[\\K[\\w:/]+\\s[+\\-]\\d{4}(?=\\])',x,perl=TRUE))
[1] "07/Dec/2014:06:43:43 -0800"

\\[\\K 中的\\K 丢弃之前匹配的[ 字符。

【讨论】：

【解决方案2】：

(?<=\[)([\w:\/]+\s[+\-]\d{4})(?=\])

试试这个。查看演示。

https://regex101.com/r/tX2bH4/16

【讨论】：

正则表达式不是问题，我不认为。从 R 获取匹配是。
@Arima 这应该可以满足您的需求
您只需要在有存储字母的地方添加额外的反斜杠，例如s、w 等。

【解决方案3】：

试试qdapRegex 包，它有一种从方括号中提取元素的特殊方法

library(qdapRegex)
rm_square(x, extract = TRUE)[[1]]
## [1] "07/Dec/2014:06:43:43 -0800"

【讨论】：

【解决方案4】：

sub 非常简单。您可以将整个字符串替换为匹配的组。

sub(".*\\[([A-z0-9:/]+\\s[+-]\\d{4})\\].*", "\\1", x)
# [1] "07/Dec/2014:06:43:43 -0800"

【讨论】：