使用 stringr 在确切的单词和模式之间提取字符串

Question

我一直想知道如何使用 stringr 或另一个包在准确的单词“to the”（始终小写）和句子中的第二个逗号之间提取字符串。

例如：

字符串：“这不是我想要的，这就是我想要的，你看到了吗？，这不是我想要的”

期望的输出：“这就是我想要的，你看到了吗？”

我有这个向量：

x<-c("This not what I want to the THIS IS WHAT I WANT, DO YOU SEE IT?, this is not what I want",
     "HYU_IO TO TO to the I WANT, THIS, this i dont, want", "uiui uiu to the xxxx,,this is not, what I want")

我正在尝试使用此代码

str_extract(string = x, pattern = "(?<=to the ).*(?=\,)")

但我似乎无法让它正常工作以正确地给我这个：

"THIS IS WHAT I WANT, DO YOU SEE IT?" 
"I WANT, THIS"           
"xxxx,"

非常感谢你们的宝贵时间和帮助

Answer 1

替代方法，目前无法与 Gregor Thomas 方法相提并论，但不知何故是一种替代方法：

向量到 tibble
先to the再,
粘贴在一起
拉动矢量输出。

library(tidyverse)

as_tibble(x) %>% 
  separate(value, c("a", "b"), sep = 'to the ') %>% 
  separate(b, c("a", "c"), sep =",") %>% 
  mutate(x = paste0(a, ",", c), .keep="unused") %>% 
  pull(x)

[1] "THIS IS WHAT I WANT, DO YOU SEE IT?"
[2] "I WANT, THIS"                       
[3] "xxxx,"

Answer 2

你很接近！

str_extract(string = x, pattern = "(?<=to the )[^,]*,[^,]*")
# [1] "THIS IS WHAT I WANT, DO YOU SEE IT?"
# [2] "I WANT, THIS"                       
# [3] "xxxx,"

look-behind 保持不变，[^,]* 匹配逗号以外的任何内容，然后 , 恰好匹配一个逗号，然后 [^,]* 再次匹配逗号以外的任何内容。

使用 stringr 在确切的单词和模式之间提取字符串

Extract string between exact word and pattern using stringr

r

regex

stringr