在 R 中使用正则表达式拆分字符串答案

【问题标题】：splitting strings using regex in R在 R 中使用正则表达式拆分字符串
【发布时间】：2020-08-16 01:27:39
【问题描述】：

我有一个非常长的字符串列表，看起来像下面的，我想把它分成几部分。

strings<-c("https://www.website.com/stats/stat.227.y2020.eon.t879.html",
"https://www.website.com/stats/stat.229.y2019.eoff.t476.html")

所需的输出如下：

links                                     Year    Seas     Tour 
https://www.website.com/stats/stat.227.   y2020    eon     t879
https://www.website.com/stats/stat.229.   y2019   eoff     t476

如何使用正则表达式实现这一点？

【问题讨论】：

标签： r regex string

【解决方案1】：

使用str_match：

stringr::str_match(strings, '.*\\.(y\\d+)\\.(\\w+)\\.(t\\d+)')

如果将strings 放入数据框中，则可以在tidyr::extract 中使用相同的正则表达式。

tidyr::extract(data.frame(strings), strings, c("Year","Seas", "Tour"), 
              '\\.(y\\d+)\\.(\\w+)\\.(t\\d+)', remove = FALSE)

#                                                      strings  Year Seas Tour
#1  https://www.pgatour.com/stats/stat.227.y2020.eon.t879.html y2020  eon t879
#2 https://www.pgatour.com/stats/stat.229.y2019.eoff.t476.html y2019 eoff t476

在这里，我们将数据捕获为 3 个部分（捕获组）

第一部分 - 'y' 后跟一个数字

第 2 部分 - 第 1 部分之后的下一个单词

第三部分 't' 后跟一个数字。

【讨论】：

【解决方案2】：

你可以使用 {unglue} :

library(unglue)
unglue::unglue_data(
  strings, "{links}.{Year=[^.]+}.{Seas=[^.]+}.{Tour=[^.]+}.html")
#>                                    links  Year Seas Tour
#> 1 https://www.website.com/stats/stat.227 y2020  eon t879
#> 2 https://www.website.com/stats/stat.229 y2019 eoff t476

这里的"[^.]+" 表示“一个或多个非点字符”，这就是我们想要的 Year、Seas 和 Tour。

【讨论】：