Regex capture de groupe en R avec de multiples capture-groupes
-
11-09-2019 - |
Question
R, est-il possible d'extraire la capture du groupe à partir d'une expression régulière? Pour autant que je sache, aucun des grep
, grepl
, regexpr
, gregexpr
, sub
ou gsub
retourner le groupe capture.
Je dois extraire paires clé-valeur de chaînes qui sont encodées ainsi:
\((.*?) :: (0\.[0-9]+)\)
Je peux toujours juste faire plusieurs greps-match complet, ou faire en dehors de traitement (non-R), mais j'espérais que je peux le faire tout dans R. Est-il y a une fonction ou d'un package qui fournit une telle fonction faire?
La solution
str_match()
, à partir du package stringr
, va faire . Elle renvoie une matrice de caractères avec une colonne pour chaque groupe lors de la rencontre (et une pour l'ensemble du match):
> s = c("(sometext :: 0.1231313213)", "(moretext :: 0.111222)")
> str_match(s, "\\((.*?) :: (0\\.[0-9]+)\\)")
[,1] [,2] [,3]
[1,] "(sometext :: 0.1231313213)" "sometext" "0.1231313213"
[2,] "(moretext :: 0.111222)" "moretext" "0.111222"
Autres conseils
gsub fait cela, votre exemple:
gsub("\\((.*?) :: (0\\.[0-9]+)\\)","\\1 \\2", "(sometext :: 0.1231313213)")
[1] "sometext 0.1231313213"
vous devez échapper à la \ s dans les citations puis ils travaillent pour le regex.
Hope this helps.
Essayez regmatches()
et regexec()
:
regmatches("(sometext :: 0.1231313213)",regexec("\\((.*?) :: (0\\.[0-9]+)\\)","(sometext :: 0.1231313213)"))
[[1]]
[1] "(sometext :: 0.1231313213)" "sometext" "0.1231313213"
gsub () peut le faire et revenir seul le groupe de capture:
Cependant, pour que cela fonctionne, vous devez explicitement sélectionner des éléments en dehors de votre groupe de capture comme mentionné dans l'aide gsub ().
(...) des éléments de vecteurs de caractères x »qui ne sont pas substitués sera retourné inchangé.
Donc, si votre texte à sélectionner réside dans le milieu d'une chaîne, en ajoutant. * Avant et après que le groupe de capture devrait vous permettre de revenir seulement elle.
gsub(".*\\((.*?) :: (0\\.[0-9]+)\\).*","\\1 \\2", "(sometext :: 0.1231313213)")
[1] "sometext 0.1231313213"
J'aime PCRE. Probablement le fait que quelqu'un d'autre aussi ...
Voici une fonction qui fait des expressions régulières compatibles Perl et correspond à la fonctionnalité des fonctions dans d'autres langues que je suis habitué:
regexpr_perl <- function(expr, str) {
match <- regexpr(expr, str, perl=T)
matches <- character(0)
if (attr(match, 'match.length') >= 0) {
capture_start <- attr(match, 'capture.start')
capture_length <- attr(match, 'capture.length')
total_matches <- 1 + length(capture_start)
matches <- character(total_matches)
matches[1] <- substr(str, match, match + attr(match, 'match.length') - 1)
if (length(capture_start) > 1) {
for (i in 1:length(capture_start)) {
matches[i + 1] <- substr(str, capture_start[[i]], capture_start[[i]] + capture_length[[i]] - 1)
}
}
}
matches
}
Voilà comment je fini par travailler autour de ce problème. J'ai utilisé deux regexes séparés pour correspondre aux premier et deuxième groupes de capture et exécuter deux appels gregexpr
, puis retirez-les sous-chaînes assortis:
regex.string <- "(?<=\\().*?(?= :: )"
regex.number <- "(?<= :: )\\d\\.\\d+"
match.string <- gregexpr(regex.string, str, perl=T)[[1]]
match.number <- gregexpr(regex.number, str, perl=T)[[1]]
strings <- mapply(function (start, len) substr(str, start, start+len-1),
match.string,
attr(match.string, "match.length"))
numbers <- mapply(function (start, len) as.numeric(substr(str, start, start+len-1)),
match.number,
attr(match.number, "match.length"))
Solution avec strcapture
du utils
:
x <- c("key1 :: 0.01",
"key2 :: 0.02")
strcapture(pattern = "(.*) :: (0\\.[0-9]+)",
x = x,
proto = list(key = character(), value = double()))
#> key value
#> 1 key1 0.01
#> 2 key2 0.02
Comme suggéré dans le package stringr
, cela peut être réalisé en utilisant soit str_match()
ou str_extract()
.
Adapté du manuel:
library(stringr)
strings <- c(" 219 733 8965", "329-293-8753 ", "banana",
"239 923 8115 and 842 566 4692",
"Work: 579-499-7527", "$1000",
"Home: 543.355.3679")
phone <- "([2-9][0-9]{2})[- .]([0-9]{3})[- .]([0-9]{4})"
et en combinant nos extraction groupes:
str_extract_all(strings, phone, simplify=T)
# [,1] [,2]
# [1,] "219 733 8965" ""
# [2,] "329-293-8753" ""
# [3,] "" ""
# [4,] "239 923 8115" "842 566 4692"
# [5,] "579-499-7527" ""
# [6,] "" ""
# [7,] "543.355.3679" ""
Indiquant des groupes avec une matrice de sortie (qui nous intéresse dans les colonnes 2 +):
str_match_all(strings, phone)
# [[1]]
# [,1] [,2] [,3] [,4]
# [1,] "219 733 8965" "219" "733" "8965"
#
# [[2]]
# [,1] [,2] [,3] [,4]
# [1,] "329-293-8753" "329" "293" "8753"
#
# [[3]]
# [,1] [,2] [,3] [,4]
#
# [[4]]
# [,1] [,2] [,3] [,4]
# [1,] "239 923 8115" "239" "923" "8115"
# [2,] "842 566 4692" "842" "566" "4692"
#
# [[5]]
# [,1] [,2] [,3] [,4]
# [1,] "579-499-7527" "579" "499" "7527"
#
# [[6]]
# [,1] [,2] [,3] [,4]
#
# [[7]]
# [,1] [,2] [,3] [,4]
# [1,] "543.355.3679" "543" "355" "3679"