提取由相对于其他相对定位字符定位定义的子字符串答案

【问题标题】：Extract substrings defined by positioning relative to other relatively positioned characters提取由相对于其他相对定位字符定位定义的子字符串
【发布时间】：2018-08-06 07:41:03
【问题描述】：

我在一个字符向量中有许多 URL，我正在尝试使用 base R 从它们中提取子字符串。我想提取两种类型的子字符串：

字符串中最后一个斜杠 (/) 之后和最后一个下划线 (_) 之前的子字符串。
最后一个下划线 (_) 之后和子字符串 .tar.gz 之前的子字符串。

我已经找到了一个解决方案，但它涉及许多不必要的步骤。有没有办法使用每个子字符串的单个正则表达式来完成此操作？

以下是我的工作示例：

# An example URL
a <- "https://cran.r-project.org/src/contrib/Archive/ggplot2/ggplot2_0.4.5.tar.gz"

# Keep everything after the last slash
b <- sub('.*\\/', '', a)
# Keep everything before .tar.gaz
c <- sub('.tar.*', '', b)

# Extract desired strings based on underscore
foo <- sub('.*\\_', '', c)
bar <- sub('\\_.*', '', c)

对于这个例子来说，使用基数 R 很重要。

【问题讨论】：

对于给定的例子，这可以工作：sub(".tar.*", "", strsplit(basename(a), "_")[[1]])，但它可能不适用于更复杂的文件。
这太棒了！我不知道 basename()。将其添加为答案。

标签： r regex string

【解决方案1】：

在_ 使用basename 和strsplit 的解决方案：

sub(".tar.*", "", strsplit(basename(a), "_")[[1]])
[1] "ggplot2" "0.4.5"

【讨论】：

【解决方案2】：

使用lookarounds：

regmatches(a, regexpr('(?<=\\/)[^\\/]+(?=_)', a, perl = T))
[1] "ggplot2"
regmatches(a, regexpr('(?<=_)[^_]+(?=\\.tar\\.gz)', a, perl = T))
[1] "0.4.5"

【讨论】：

【解决方案3】：

试试这个模式：\/(?<package>[^\/]+)\_(?<version>[^\_\/]+).tar.gz$。

在匹配中，名为package 的第一个捕获组将为您提供字符串中最后一个斜杠（/）之后和最后一个下划线（_）之前的子字符串，第二个，命名为@ 987654324@，将为您提供最后一个下划线 (_) 之后和子字符串 .tar.gz 之前的子字符串。

Demo

【讨论】：