我想以任何顺序提取猫和狗

string1 <- "aasdfadsf cat asdfadsf dog"
string2 <- "asfdadsfads dog asdfasdfadsf cat"


我现在提取的是猫和狗,还有中间的文本

stringr::str_extract(string1, "cat.*dog|dog.*cat"


我希望输出是

cat dog




dog cat


分别用于string1和string2

最佳答案

您可以将sub与以下PCRE正则表达式一起使用:

.*(?|(dog).*(cat)|(cat).*(dog)).*


请参见regex demo

细节


.*-除换行符之外的任何0+字符(要匹配所有字符,请在模式开头添加(?s)
(?|(dog).*(cat)|(cat).*(dog))-与两个备选方案之一匹配的分支重置组(?|...|...)


(dog).*(cat)-组1捕获dog,然后尽可能多的0个字符,组2捕获cat
|-或
(cat).*(dog)-组1捕获cat,然后尽可能多的0+个字符,组2捕获dog(在分支重置组中,组ID重置为组+ 1之前的值)

.*-除换行符以外的任何0+个字符


\1 \2替换模式将Group 1和Group 2的值插入到结果字符串中(这样,结果只是dogcat,一个空格和一个catdog)。

也请参见an R demo online

x <- c("aasdfadsf cat asdfadsf dog", "asfdadsfads dog asdfasdfadsf cat")
sub(".*(?|(dog).*(cat)|(cat).*(dog)).*", "\\1 \\2", x, perl=TRUE)
## => [1] "cat dog" "dog cat"


要在不匹配的情况下返回NA,请使用正则表达式来匹配特定模式或整个字符串,并将其与gsubfn一起使用以应用自定义替换逻辑:

> gsubfn("^(?:.*((dog).*(giraffe)|(giraffe).*(dog)).*|.*)$", function(x,a,b,y,z,i) ifelse(nchar(x)>0, paste0(a,y," ",b,z), NA), x)
[1] "NA" "NA"
> gsubfn("^(?:.*((dog).*(cat)|(cat).*(dog)).*|.*)$", function(x,a,b,y,z,i) ifelse(nchar(x)>0, paste0(a,y," ",b,z), NA), x)
[1] "cat dog" "dog cat"


这里,


^-字符串anchor的开头
(?:.*((dog).*(cat)|(cat).*(dog)).*|.*)-与两个备选方案之一匹配的non-capturing group
.*((dog).*(cat)|(cat).*(dog)).*


.*-尽可能多的0个字符
((dog).*(cat)|(cat).*(dog))-匹配两个替代项之一的capturing group


(dog).*(cat)-dog(组2,分配给a变量),尽可能多的0个字符,然后cat(组3,分配给b变量)
|
(cat).*(dog)-dog(组4,分配给y变量),尽可能多的0个字符,然后cat(组5,分配给z变量)

.*-尽可能多的0个字符


|-或
.*-任意0个以上的字符


$-字符串anchor的结尾。


匿名函数中的x表示第1组的值是“技术性”,我们用nchar检查第1组的匹配长度是否不为零,如果不为空,则用自定义逻辑替换,如果组1为空,则用NA代替。

关于r - 任意提取2个单词,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/48591261/

10-14 20:21