У R, чи можна витягти групове захоплення із відповідності регулярного виразу? Наскільки я можу судити, жоден з grep, grepl, regexpr, gregexpr, sub, або gsubповернути знімки групи.
Мені потрібно витягти пари ключ-значення із рядків, кодованих таким чином:
\((.*?) :: (0\.[0-9]+)\)Я завжди можу просто зробити кілька повноцінних greps, або зробити якусь зовнішню (не-R) обробку, але я сподівався, що зможу зробити все це в R. Чи є для цього функція чи пакет, який надає таку функцію?
Відповіді:
str_match(), з stringrпакету, зробить це. Він повертає матрицю символів з одним стовпчиком для кожної групи в матчі (і одним для цілого матчу):
> 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" [,1]- це повний збіг. [,2:3]це захоплені групи.
gsub робить це, з вашого прикладу:
gsub("\\((.*?) :: (0\\.[0-9]+)\\)","\\1 \\2", "(sometext :: 0.1231313213)")
[1] "sometext 0.1231313213"вам потрібно подвоїти екран \ s у лапках, тоді вони працюють на регулярний вираз.
Сподіваюся, це допомагає.
gsubРучна сторінка R дуже потребує прикладу, який показує, що вам потрібно '\\ 1', щоб уникнути посилання на групу захоплення.
Спробуйте regmatches()і regexec():
regmatches("(sometext :: 0.1231313213)",regexec("\\((.*?) :: (0\\.[0-9]+)\\)","(sometext :: 0.1231313213)"))
[[1]]
[1] "(sometext :: 0.1231313213)" "sometext" "0.1231313213"regmatchesякої я ніколи раніше не бачив
regexecповертає список, що містить інформацію, що стосується лише місця збігів, отже, regmatchesвимагає від користувача надати рядок, до якого належав список збігів.
gsub () може це зробити і повернути лише групу захоплення:
Однак для того, щоб це працювало, ви повинні явно вибрати елементи за межами вашої групи захоплення, як зазначено в довідці gsub ().
(...) елементи символьних векторів 'x', які не підставляються, повертаються незмінними.
Отже, якщо ваш текст, який потрібно вибрати, лежить посередині деякого рядка, додавання. * До і після групи захоплення повинно дозволити вам лише повернути його.
gsub(".*\\((.*?) :: (0\\.[0-9]+)\\).*","\\1 \\2", "(sometext :: 0.1231313213)")
[1] "sometext 0.1231313213"
Мені подобаються регулярні вирази, сумісні з perl. Можливо, це робить ще хтось ...
Ось функція, яка виконує perl-сумісні регулярні вирази та відповідає функціональності функцій іншими мовами, до яких я звик:
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
}Ось так я врешті-решт вирішив цю проблему. Я використав два окремі регулярні вирази, щоб узгодити першу та другу групи захоплення та запустити два gregexprвиклики, а потім витягнути відповідні підрядки:
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"))expr "xyx0.0023xyxy" : '[^0-9]*\([.0-9]\+\)'
Рішення з strcaptureвід 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 0.02Як пропонується в stringrпакеті, цього можна досягти, використовуючи str_match()або str_extract().
Адаптовано з посібника:
library(stringr)
strings <- c(" 219 733 8965", "329-293-8753 ", "banana",
"239 923 8115 and 842 566 4692",
"Work: 579-499-7527", "$1000",
"Home: 543.355.3679")
phone <- "([2-9][0-9]{2})[- .]([0-9]{3})[- .]([0-9]{4})"Вилучення та об'єднання наших груп:
str_extract_all(strings, phone, simplify=T)
# [,1] [,2]
# [1,] "219 733 8965" ""
# [2,] "329-293-8753" ""
# [3,] "" ""
# [4,] "239 923 8115" "842 566 4692"
# [5,] "579-499-7527" ""
# [6,] "" ""
# [7,] "543.355.3679" "" Показ груп із вихідною матрицею (нас цікавлять стовпці 2+):
str_match_all(strings, phone)
# [[1]]
# [,1] [,2] [,3] [,4]
# [1,] "219 733 8965" "219" "733" "8965"
#
# [[2]]
# [,1] [,2] [,3] [,4]
# [1,] "329-293-8753" "329" "293" "8753"
#
# [[3]]
# [,1] [,2] [,3] [,4]
#
# [[4]]
# [,1] [,2] [,3] [,4]
# [1,] "239 923 8115" "239" "923" "8115"
# [2,] "842 566 4692" "842" "566" "4692"
#
# [[5]]
# [,1] [,2] [,3] [,4]
# [1,] "579-499-7527" "579" "499" "7527"
#
# [[6]]
# [,1] [,2] [,3] [,4]
#
# [[7]]
# [,1] [,2] [,3] [,4]
# [1,] "543.355.3679" "543" "355" "3679"_allсуфікса для відповідних stringrфункцій.
Це можна зробити, використовуючи пакунок unglue , взявши приклад із обраної відповіді:
# install.packages("unglue")
library(unglue)
s <- c("(sometext :: 0.1231313213)", "(moretext :: 0.111222)")
unglue_data(s, "({x} :: {y})")
#> x y
#> 1 sometext 0.1231313213
#> 2 moretext 0.111222Або починаючи з кадру даних
df <- data.frame(col = s)
unglue_unnest(df, col, "({x} :: {y})",remove = FALSE)
#> col x y
#> 1 (sometext :: 0.1231313213) sometext 0.1231313213
#> 2 (moretext :: 0.111222) moretext 0.111222Ви можете отримати сирий регулярний вираз із шаблону розклеювання, за бажанням, з іменованим захопленням:
unglue_regex("({x} :: {y})")
#> ({x} :: {y})
#> "^\\((.*?) :: (.*?)\\)$"
unglue_regex("({x} :: {y})",named_capture = TRUE)
#> ({x} :: {y})
#> "^\\((?<x>.*?) :: (?<y>.*?)\\)$"Більше інформації: https://github.com/moodymudskipper/unglue/blob/master/README.md
str_match_all()відповідати всім групам у регулярному