如何在 R 中使用 str_split 和正则表达式？

Question

我有这个字符串：

235072,testing,some252f4,14084-things224072,and,other2524,14084-thingies223552,testing,some/2wr24,14084-things

我想用 6 位数字拆分字符串。 IE。 - 我想要这个：

235072,testing,some2wg2f4,wf484-things
224072,and,other25wg4,14-thingies
223552,testing,some/2wr24,14084-things

如何使用正则表达式执行此操作？以下不起作用（使用 stringr 包）：

> blahblah <- "235072,testing,some252f4,14084-things224072,and,other2524,14084-thingies223552,testing,some/2wr24,14084-things"
> test <- str_split(blahblah, "([0-9]{6}.*)")
> test
[[1]]
[1] "" ""

我错过了什么？？

Answer 1

这是一种使用正向前瞻和后视的基础 R 方法，感谢@thelatemail 的更正：

strsplit(x, "(?<=.)(?=[0-9]{6})", perl = TRUE)[[1]]
# [1] "235072,testing,some252f4,14084-things"  
# [2] "224072,and,other2524,14084-thingies"    
# [3] "223552,testing,some/2wr24,14084-things"

Answer 2

str_extract_all 的另一种方法。注意我已经使用 .*? 进行 'non-greedy' 匹配，否则 .* 会展开以获取所有内容：

> str_extract_all(blahblah, "[0-9]{6}.*?(?=[0-9]{6}|$)")[[1]]
[1] "235072,testing,some252f4,14084-things"  "224072,and,other2524,14084-thingies"    "223552,testing,some/2wr24,14084-things"

Answer 3

easy-to-understand 方法是添加一个标记，然后在这些标记的位置进行分割。这样做的好处是能够只查找 6 位数字序列而不需要周围文本中的任何其他特征，这些特征可能会随着您添加新的和未经审查的数据而改变。

library(stringr)
library(magrittr)

str <- "235072,testing,some252f4,14084-things224072,and,other2524,14084-thingies223552,testing,some/2wr24,14084-things"

out <- 
    str_replace_all(str, "(\d{6})", "#SPLIT_HERE#\1") %>% 
    str_split("#SPLIT_HERE#") %>% 
    unlist

[1] ""                                       "235072,testing,some252f4,14084-things" 
[3] "224072,and,other2524,14084-thingies"    "223552,testing,some/2wr24,14084-things"

如果您的匹配出现在字符串的开头或结尾，str_split() 将在结果向量中插入空白字符条目以表明这一点（如上所示）。如果您不需要该信息，可以使用 out[nchar(out) != 0].

轻松删除它

[1] "235072,testing,some252f4,14084-things"  "224072,and,other2524,14084-thingies"   
[3] "223552,testing,some/2wr24,14084-things"

Answer 4

使用不太复杂的正则表达式，您可以执行以下操作：

s <- "235072,testing,some252f4,14084-things224072,and,other2524,14084-thingies223552,testing,some/2wr24,14084-things"
l <- str_locate_all(string = s, "[0-9]{6}")
str_sub(string = s, start = as.data.frame(l)$start, 
    end = c(tail(as.data.frame(l)$start, -1) - 1, nchar(s)) )
# [1] "235072,testing,some252f4,14084-things"
# [2] "224072,and,other2524,14084-thingies"
# [3] "223552,testing,some/2wr24,14084-things"

如何在 R 中使用 str_split 和正则表达式？

How to use str_split with regex in R?

regex

r

strsplit

stringr