从R中的字符串中提取模式的多个实例答案

【问题标题】：Extract multiple instances of a pattern from a string in R从R中的字符串中提取模式的多个实例
【发布时间】：2015-05-12 05:12:20
【问题描述】：

我有一个字符向量t，如下。

t <- c("GID456 SPK711", "GID456 GID667 VINK", "GID45345 DNP990 GID2345", 
    "GID895 GID895 K350")

我想提取所有以 GID 开头并后跟数字序列的字符串。

这可行，但不会检索多个实例。

gsub(".*(GID\\d+).*", "\\1", t)
[1] "GID456"  "GID667"  "GID2345" "GID895"

在这种情况下如何提取所有字符串？想要的输出如下

out <- c("GID456", "GID456", "GID667", "GID45345", "GID2345", 
        "GID895", "GID895")

【问题讨论】：

标签： regex r

【解决方案1】：

这是一种使用我维护 qdapRegex（我更喜欢这个或 stringi/stringr）的包的方法，以保持一致性和易用性。我还展示了一种基本方法。无论如何，我更倾向于将其视为“提取”问题而不是字幕问题。

y <- c("GID456 SPK711", "GID456 GID667 VINK", "GID45345 DNP990 GID2345", 
    "GID895 GID895 K350")

library(qdapRegex)
unlist(ex_default(y, pattern = "GID\\d+"))

## [1] "GID456"   "GID456"   "GID667"   "GID45345" "GID2345"  "GID895"   "GID895"

在基础 R 中：

unlist(regmatches(y, gregexpr("GID\\d+", y)))

【讨论】：

【解决方案2】：

我参加聚会迟到了，但这个 tidyverse 单行字可能对某人有用。

用 stringr + dplyr:

t <- c("GID456 SPK711", "GID456 GID667 VINK", "GID45345 DNP990 GID2345", "GID895 GID895 K350")
str_extract_all(t, regex("GID\\d+")) %>% unlist()

给予：

[1] "GID456" "GID456" "GID667" "GID45345" "GID2345" "GID895" "GID895"

【讨论】：

【解决方案3】：

通过gsub

> t <- c("GID456 SPK711", "GID456 GID667 VINK", "GID45345 DNP990 GID2345", 
+        "GID895 GID895 K350")
> unlist(strsplit(gsub("(GID\\d+)|.", "\\1 ", t), "\\s+"))
[1] "GID456"   "GID456"   "GID667"   "GID45345" "GID2345" 
[6] "GID895"   "GID895"

【讨论】：

【解决方案4】：

我使用了stringr 包中的str_split 函数

library(stringr)
word.list = str_split(t, '\\s+') 
new_list <- unlist(word.list)
new_list[grep("GID", new_list)]

我希望这会有所帮助。

【讨论】：