正则表达式：匹配单词，省略换行符答案

【问题标题】：Regex: match words, omit newline正则表达式：匹配单词，省略换行符
【发布时间】：2015-02-03 17:40:26
【问题描述】：

我是正则表达式（和 stackoverflow 顺便说一句）的新手，并尝试使用 R 从中提取“真实”单词：

"\n\n\nclone\nstar\n\n\n\n\nbrain\nstar\n\n\n\n\ncalculator\nstar\n\n\n\n\nadding machine\nstar\n\n\n\n\nartificial intelligence\nstar"

所以我想匹配：克隆、大脑、计算器、加法机、人工智能。

我用(?<=\\n)(.*?)(?=\\nstar) 尝试过它似乎很接近......但它仍然没有给我想要的东西。我想我不必指定 \n 而是使用一些省略换行注释？

【问题讨论】：

试试gsub('\n', ' ', str1) 你本可以显示预期的输出
你期待什么输出？
是您的\n 真正的换行符还是文字反斜杠后跟n?

标签： regex xml r

【解决方案1】：

(?<=\\n)((?:(?!\\n).)*?)(?=\\nstar)

试试这个。查看演示。

https://regex101.com/r/vD5iH9/63

.*? 将捕获包括\n 在内的所有内容。因此请使用lookahead 检查\n 是否未被捕获。

【讨论】：

可能，我问了他这个问题。
@CasimiretHippolyte 我从使用的正则表达式 OP 中猜到了。
你猜对了！这正是我所需要的。正则表达式一开始可能会很混乱……尤其是在 R 中。非常感谢！

【解决方案2】：

你是不是想把单词抽出来？

strsplit(x,'\n+')

或匹配它们？

gsub('[a-zA-Z]+','HELLOWORLD',x)

【讨论】：

【解决方案3】：

如果你想得到一个单词向量

x <- "\n\n\nclone\nstar\n\n\n\n\nbrain\nstar\n\n\n\n\ncalculator\nstar\n\n\n\n\nadding machine\nstar\n\n\n\n\nartificial intelligence\nstar"
x <- gsub("\n"," ",x)
x <- unlist(strsplit(x," "))
x <- x[x != ""]

【讨论】：

【解决方案4】：

这是通过一个相对简单的正则表达式来完成的：

library(gsubfn)

strapplyc(x, "([^\n]*).star", simplify = c)

给予：

[1] "clone"  "brain"  "calculator"  "adding machine"         
[5] "artificial intelligence"

注意：下面是正则表达式的可视化：

([^\n]*).star

Debuggex Demo

【讨论】：

【解决方案5】：

只需在 \nstar 或 \n 上拆分，并可选择删除前导字符以避免第一个字符串为空。

strsplit(x, "(\nstar|\n)+")   # OR
strsplit(gsub("^\n*", "", x), "(\n|star)+")[[1]]
[1] "clone"                   "brain"                   "calculator"             
[4] "adding machine"          "artificial intelligence"

【讨论】：