从R中的文本文件中提取模式子字符串答案

【问题标题】：Extracting pattern substrings from a text file in R从R中的文本文件中提取模式子字符串
【发布时间】：2014-06-11 11:23:07
【问题描述】：

我希望使用 R 从文本文件中提取所有唯一的文本子字符串，这些子字符串遵循“matrixname[rowname,column number em>]"。我在 grep 和 extract_string_all (stringr) 方面只取得了有限的成功，因为它只会返回整行而不是子字符串。尝试使用 gsub 替换不需要的文本没有成功。这是我一直在使用的代码示例。

#Read in file
txt<-read.table("Project_R_code.R")
#create new object to create lines that contain this pattern    
txt2<-grep("param\\[.*1\\]",txt$V1, value=TRUE)
#remove all text that does not match the above pattern
gsub("[^param\\[.*1\\]]","", txt2,perl=TRUE)

第二行有效（但同样不只给我该模式的子字符串）。然而，用于删除不匹配模式的 gsub 代码会保留这些行并将它们变成如下所示：

[200] "[p.p]param[ama1]param[ama11]*[r1]param[ama1]...

我不知道为什么。我意识到这种将线路缩减为更易于管理的方法更加乏味，但这是我知道如何获得模式的唯一方法。

最好我希望 R 吐出它在文本文件中找到的所有（唯一）子字符串的列表，这些子字符串与我的模式匹配，但我不知道命令。非常感谢您对此提供任何帮助。

【问题讨论】：

gsubfn 中的 strapplyc 可用于使用正则表达式提取文本。 strapply在同一个包中可以同时提取和变换。
下次请让你的例子最小化和独立。
你能提供一些示例输入和所需的输出吗？我很困惑你想做什么。 regexpr() 和 regmatches() 似乎可以解决问题，但我无法使用您提供的信息进行测试。
@MrFlick 抱歉回复晚了。这是我正在使用的输入示例。 GS["id_y", 1] = param["id_alpha", 1] * (GS["id_x1", 1] + (1 - param["id_beta", 1]) * GS["id_x2", 1]) 文本文件中有多行与此类似。所需的输出是由param["id_alpha", 1],param["id_beta", 1] 和文本文件中的所有其他此类矩阵组成的列表。希望这对您有所帮助，并为它的外观道歉。

标签： r regex string pattern-matching

【解决方案1】：

如果您想提取单个组件，请尝试str_match：

test <- c("aaa[name1,1]", "bbb[name2,3]", "ccc[name3,3]")
stringr::str_match(test, "([a-zA-Z0-9_]+)[[]([a-zA-Z0-9_]+),.*?(\\d+)\\]")
##      [,1]           [,2]  [,3]    [,4]
## [1,] "aaa[name1,1]" "aaa" "name1" "1" 
## [2,] "bbb[name2,3]" "bbb" "name2" "3" 
## [3,] "ccc[name3,3]" "ccc" "name3" "3"

否则，请使用str_extract。

请注意，为了匹配 ERE/TRE 中的 [，我们使用包含单个 [ 字符的集合，即 [[]。

此外，如果单个字符串中有多个匹配项，请使用 str_match_all 或 str_extract_all。

【讨论】：