提取以下字符串中的第二次出现

Question

考虑以下具有预期输出的字符串。

"NE-390-SM-04"                 --> "390-SM-04"
"90055-SL-01-J"                --> "90055-SL-01"
"NE-1478-SL-02"                --> "1478-SL-02"
"87007-QM-01-J"                --> "87007-QM-01"
"NE-9315-BM-01-A"              --> "9315-BM-01"
"3121-SP-01"                   --> "3121-SP-01" 
"1639-YL-01"                   --> "1639-YL-01"
"NE-9922-WM-01-J"              --> "9922-WM-01"
"ND-2498-YL-01"                --> "2498-YL-01"
"C-4008-PP-03-J"               --> "4008-PP-03"
"876-C-4008-PP-03-J-234"       --> "4008-PP-03"

有没有办法提取出现（尤其是第二次出现）的 [0-9]+-[a-zA-Z]+-[0-9]+ 在 R 中？

我能够使用正则表达式引用这些部分：([0-9]+-[a-zA-Z]+-[0-9]+) 我对符合上述模式的最中心部分感兴趣。

希望我已经说清楚了。如果您需要任何说明，请告诉我。

Answer 1

你可以在开头使用惰性点匹配模式，在结尾使用贪心点匹配模式，并在替换模式中使用带有反向引用的捕获组，和确保中间的字母数至少为 2 和限制量词 {2,}:

x <- c("NE-390-SM-04", "90055-SL-01-J", "NE-1478-SL-02", "87007-QM-01-J", "NE-9315-BM-01-A", "3121-SP-01", "1639-YL-01", "NE-9922-WM-01-J", "ND-2498-YL-01", "C-4008-PP-03-J", "876-C-4008-PP-03-J-234")
sub("^.*?([0-9]+-[a-zA-Z]{2,}-[0-9]+).*", "\1", x)

参见R demo and a regex demo。

图案详情:

^.*? - 字符串的开头和尽可能少的零个或多个字符
([0-9]+-[a-zA-Z]{2,}-[0-9]+) - 您的模式匹配 1+ 个数字、连字符、2+ 个字母、连字符、1+ 个数字
.* - 任何 0+ 个字符，直到字符串末尾为止。

如果您不使用 {2,} 和字母匹配子模式，您将在最后一个 876-C-4008-PP-03-J-234.

中得到 876-C-4008

提取以下字符串中的第二次出现

Extracting the second occurrence in the following string

regex

r

gsub