在排除标点符号的同时匹配 R 中的正则表达式

Question

我有以下字符串：

x = "Mr. Mammon Moneybags is a British businessman, owner of Widgets Incorporated, the widget company, and owner of Supermarts chain store."

我想提取公司名称。显然，我想从回顾 'owner of ' 开始，然后是一个或多个单词字符。我希望字符串在逗号和句号处被截断，但在 dashes/apostrophes 处不截断，因为它们可能是公司名称的一部分。我也不想删掉空格，因为我想捕捉“Widgets Incorporated”中的两个词，但也只想捕捉“Supermarts”这个词。但是在我们甚至通过指定大写单词来捕获“Supermarts”之前，我未能在“Widgets Incorporated”之后的逗号处结束捕获组。

此正则表达式仅捕获了第一组的一半，但正确捕获了第二组。

library(stringr)
str_extract(x, '(?<=owner of )(\w+(?!,))')
[1,] 'Widgets' [2,] 'Supermarts'

这仅部分捕获了第一组，并且在第二组中过度拍摄。

library(stringr)
str_extract(x, '(?<=owner of )(\w+\s\w+)(?!,)')
[1,] 'Widgets Incorporate' [2,] 'Supermarts chain'

我确信其中一个至少会捕获第一组。我哪里错了？

谢谢！

Answer 1

为了匹配每个单词必须大写的限制，您可以使用，

str_extract_all(x, '(?<=owner of\W)([A-Z]\w+(\s+[A-Z]\w+)*)')
[[1]]
[1] "Widgets Incorporated" "Supermarts"

Answer 2

你可以使用

stringr::str_extract(x, "(?<=owner of )[^,.]+")

参见regex demo。

详情:

(?<=owner of ) - 紧接 owner of + space
[^,.]+ - . 和 ,.

在排除标点符号的同时匹配 R 中的正则表达式

Matching a regex in R while excluding punctuation

regex

r

stringr