r - 任意提取2个单词

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

和

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dog或cat，一个空格和一个cat或dog）。

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/