提取句子中第一次出现的两个字符串之间的单词[关闭]

Question

我有以下输入语句：

B <- "ASSIGNEE/BANK (FORMERLY KNOWN AS BANK SETIA) AND NUR AMIRA BINTI RAMZI [NRIC NO. 918267-16-6252] AND HAFIZUDDIN BIN ALI [NRIC NO. 918273-16-1635] ASSIGNOR"

我想提取AND（应包含在输出中）和ASSIGNOR（应从输出中排除）之间的单词。

预期输出

AND NUR AMIRA BINTI RAMZI [NRIC NO. 918267-16-6252] AND HAFIZUDDIN BIN ALI [NRIC NO. 918273-16-1635]".

在assignee 之前和assignor 之后我还有很多话要说。我只想捕获中间的一个，如上图所示。

这是我迄今为止的试验，没有产生所需的输出：

sub(".*ASSIGNEE.* *(AND.*?) *ASSIGNOR.*", "\\1", B)
# [1] "AND HAFIZUDDIN BIN ALI [NRIC NO. 918273-16-1635]"

谢谢。

Answer 1

我认为你可以使用这样的正则表达式：

and{1}.*

这个正则表达式将找到第一个“and”并与之匹配，然后继续直到换行。如果你想要整个字符串，你可以这样做（可能有更好的方法来做到这一点。

and{1}[^]*

您可以在本站测试正则表达式：https://regexr.com/

Answer 2

你可以试试。第一组是你想要得到的。

/^.*?(and.*?)(?=and|$)/i

您可以在本站测试正则表达式：https://regex101.com/r/jNVQLT/1

Answer 3

您可以使用regexec / regmatches 使用基本 R 解决方案提取所需的字符串：

rx <- "\\b(AND.*?)\\s*ASSIGNOR\\b"
x <- "ASSIGNEE/BANK (FORMERLY KNOWN AS BANK SETIA) AND NUR AMIRA BINTI RAMZI [NRIC NO. 918267-16-6252] AND HAFIZUDDIN BIN ALI [NRIC NO. 918273-16-1635] ASSIGNOR"
regmatches(x, regexec(rx, x))[[1]][2]
## => [1] "AND NUR AMIRA BINTI RAMZI [NRIC NO. 918267-16-6252] AND HAFIZUDDIN BIN ALI [NRIC NO. 918273-16-1635]"

将ASSIGNOR 移到前瞻中的相同正则表达式可以与 PCRE 正则表达式一起使用：

regmatches(x, regexpr("\\bAND.*?(?=\\s*ASSIGNOR\\b)", x, perl=TRUE))
# => [1] "AND NUR AMIRA BINTI RAMZI [NRIC NO. 918267-16-6252] AND HAFIZUDDIN BIN ALI [NRIC NO. 918273-16-1635]"

将ASSIGNOR 移到前瞻中的相同正则表达式可以与使用ICU 正则表达式库的stringr::str_extract 函数一起使用：

library(stringr)
stringr::str_extract(x, "\\bAND.*?(?=\\s*ASSIGNOR\\b)")
# => [1] "AND NUR AMIRA BINTI RAMZI [NRIC NO. 918267-16-6252] AND HAFIZUDDIN BIN ALI [NRIC NO. 918273-16-1635]"

说明

• \b - 单词边界
• (AND.*?) - 捕获组 1：AND，然后尽可能少地捕获任意数量的任何 0+ 字符（在 PCRE 和 ICU 正则表达式中，换行符除外），直到第一次出现
• \s* - 0+ 个空格
• ASSIGNOR\b - 整个词ASSIGNOR。

在 PCRE 和 ICU 正则表达式中，不需要捕获括号，(?=...) 是匹配文本但不将其放入匹配项（=不消耗文本）的正向前瞻。

请参阅regex demo。

Answer 4

使用stringr 和regex：

library(stringr)
str_extract(B, regex("(?=AND)(?s)(.*$)"))

# [1] " AND NUR AMIRA BINTI RAMZI [NRIC NO. 918267-16-6252] AND HAFIZUDDIN BIN ALI [NRIC NO. 918273-16-1635] ASSIGNOR"

有关正则表达式参考，请查看Regular Expression Reference: Special Groups。

更新

如果你想要ANDASSIGNOR之间的单词你可以修改regex如下：

str_extract(B, regex("(?=AND)(.*?)(?=ASSIGNOR)"))

B <- "ASSIGNEE/BANK (FORMERLY KNOWN AS BANK SETIA) AND ASSIGNOR"
# "AND "

B <- "ASSIGNEE/BANK (FORMERLY KNOWN AS BANK SETIA) AND The Man in the iron mask other more strings ASSIGNOR"
#AND The Man in the iron mask other more strings

B <- "ASSIGNEE/BANK (FORMERLY KNOWN AS BANK SETIA) AND NUR AMIRA BINTI RAMZI [NRIC NO. 918267-16-6252] AND HAFIZUDDIN BIN ASSIGNOR ALI [NRIC NO. 918273-16-1635] ASSIGNOR and another ASSIGNOR"
#"AND NUR AMIRA BINTI RAMZI [NRIC NO. 918267-16-6252] AND HAFIZUDDIN BIN 

B <- "ASSIGNEE/BANK (FORMERLY KNOWN AS BANK SETIA) AND NUR AMIRA BINTI RAMZI [NRIC NO. 918267-16-6252] AND HAFIZUDDIN BIN ALI [NRIC NO. 918273-16-1635] ASSIGNOR and another ASSIGNOR"

#"AND NUR AMIRA BINTI RAMZI [NRIC NO. 918267-16-6252] AND HAFIZUDDIN BIN ALI [NRIC NO. 918273-16-1635] "

现在应该可以了。