使用正则表达式提取字符串 - str_extract, stringr, regex

Question

我正在努力解决字符串提取问题 - 请参见下面的示例。如果您能帮助我，我将不胜感激！

注意：很抱歉我在这里缺乏正则表达式知识

Objective: 我试图在文本中提取从参考向量到目标向量的匹配项，并在 table 从参考文本分配文本。

目标数据框示例、搜索文本和目前尝试的方法：

a <- c(1, 2, 3, 4, 5, 6, 7)
b <- c('TC2', 'TC25', 'TC255', 'Tops', 'TC2_', 'TC2   ', 'TC2555')

df <- data.frame(a, b)

search_text <- c('TC2', 'TC255')

search_string <- paste(paste0(search_text, '[regexp]'), sep = "", collapse = "|")

df %>% 
  mutate(match = str_extract(b, search_string))

[regexp] 表示我试图让这个方法起作用的各种事情....它包括各种 'hair-brained ideas' 像 '\\d?' 等等（更多这个和类似的组合比我想记住的要多）。正如你想象的那样没有用。

期望输出：

最终我想达到这个....

a <- c(1, 2, 3, 4, 5, 6, 7)
b <- c('TC2', 'TC25', 'TC255', 'Tops', 'TC2_', 'TC2   ', 'TC2555')
match <- c('TC2', NA_character_, 'TC255', NA_character_, 'TC2', 'TC2', NA_character_)

df_desired <- data.frame(a, b, match)

非常感谢您的帮助

Answer 1

search_string <- paste0("(", paste(search_text, collapse = "|"), ")(?![A-Za-z0-9])")
search_string
# [1] "(TC2|TC255)(?![A-Za-z0-9])"

df_desired %>%
  mutate(match2 = str_extract(b, search_string))
#   a      b match match2
# 1 1    TC2   TC2    TC2
# 2 2   TC25  <NA>   <NA>
# 3 3  TC255 TC255  TC255
# 4 4   Tops  <NA>   <NA>
# 5 5   TC2_   TC2    TC2
# 6 6 TC2      TC2    TC2
# 7 7 TC2555  <NA>   <NA>

这是使用 negative lookahead，它尝试匹配但不在提取的文本中包含该前瞻匹配。

（我最初想使用 \b 作为单词边界，但 _ 不适合。）

使用正则表达式提取字符串 - str_extract, stringr, regex

string extraction with regular expressions - str_extract, stringr, regex

regex

r

stringr