R中两个字符之间可变长度单词的正则表达式

Question

如何从下面的字符串中提取单词 wordofvariablelength。

<a href=\"http://www.adrive.com/browse/wordofvariablelength\" class=\"next-button\" id=\"explore-gutter\" data-linkid=\"huiazc\"> <strong class=\"text gutter-text \">

我能够使用下面的代码获取字符串的第一部分，但是是否有一个正则表达式我可以用来只获取 "browse/" 之后和“\”之前的单词，在这里是单词，"wordofvariablelength" 使用下面的代码

mystring = substr(mystring,nchar("<a href=\"http://www.thesaurus.com/browse/")+1,nchar("<a href=\"http://www.thesaurus.com/browse/")+20)

请注意，单词 wordofvariablelength 可以是任意长度，因此我无法对开始和结束进行硬编码

Answer 1

尝试

sub('.*?\.com/[^/]*\/([a-z]+).*', '\1', mystring)
#[1] "wordofvariablelength"

或者

library(stringr)
 str_extract(mystring, perl('(?<=browse/)[A-Za-z]+'))
#[1] "wordofvariablelength"

数据

mystring <- "<a href=\"http://www.adrive.com/browse/wordofvariablelength\" class=\"next-button\" id=\"explore-gutter\" data-linkid=\"huiazc\"> <strong class=\"text gutter-text \">"

Answer 2

通过regmatches函数。

> x <- "<a href=\"http://www.adrive.com/browse/wordofvariablelength\" class=\"next-button\" id=\"explore-gutter\" data-linkid=\"huiazc\"> <strong class=\"text gutter-text \">"
> regmatches(x, regexpr('.*?"[^"]*/\K[^/"]*(?=")', x, perl=TRUE))
[1] "wordofvariablelength"

或

> regmatches(x, regexpr('[^/"]*(?="\s+class=")', x, perl=TRUE))
[1] "wordofvariablelength"

或

使用 gsub 更简单。

> gsub('.*/|".*', "", x)
[1] "wordofvariablelength"

Answer 3

你可以使用这个正则表达式

/browse\/(.*?)\/g

此处演示 https://regex101.com/r/gX4dC0/1

Answer 4

您可以使用以下正则表达式 (?<=browse/).*?(?=\")。正则表达式的意思是：检查我们是否有 browse/，然后取出所有后续字符（但不消耗）\.

示例代码（和一个sample program here）：

mystr <- "<a href=\"http://www.adrive.com/browse/wordofvariablelength\" class=\"next-button\" id=\"explore-gutter\" data-linkid=\"huiazc\"> <strong class=\"text gutter-text \">"
regmatches(mystr, regexpr('(?<=browse/).*?(?=\")', mystr, perl=T))

perl=T 意味着我们正在使用 Perl-like regex flavor，允许使用固定宽度的后视（(?<=browse/)）。

输出：

[1] "wordofvariablelength"

R中两个字符之间可变长度单词的正则表达式

regular expression in R for word of variable length between two characters

regex

r

gsub

数据