Как я могу использовать обратные ссылки с "grep" в R?

Я ищу элегантный способ возврата ссылок с использованием регулярных выражений в R. Le me explain:

предположим, я хочу найти строки, которые начинаются с имени месяца:

x <- c("May, 1, 2011", "30 June 2011")
grep("May|^June", x, value=TRUE)
[1] "May, 1, 2011"

это работает, но я действительно хочу изолировать месяц (т. е. "май", а не всю согласованную строку.

Итак, можно использовать gsub чтобы вернуть обратную ссылку, используя . Но у этого есть две проблемы:

  1. вы должны обернуть узор внутри ".*(узор.)* ) "таким образом, подстановка происходит по всей строке.
  2. вместо того, чтобы возвращать NA для несогласованных строк,gsub возвращает исходную строку. Это явно не то, чего я желаю:--16-->

    код и результаты:

    gsub(".*(^May|^June).*", "1", x) 
[1] "May"          "30 June 2011"

    я мог бы, вероятно, кодировать обходной путь, выполняя все виды дополнительных проверок, но это быстро становится очень грязным.

    должен быть кристально чистым, желаемые результаты должны быть:

    [1] "May"          NA

    есть ли простой способ достичь этого?

14
grep gsub r regex

3 ответов

на stringr пакет имеет функцию именно для этого:

library(stringr)
x <- c("May, 1, 2011", "30 June 2011", "June 2012")
str_extract(x, "May|^June")
# [1] "May"  NA     "June"

Это довольно тонкая обертка вокруг regexpr, а stringr обычно упрощает обработку строк, будучи более последовательным, чем базовые функции R.

8

regexpr похож на grep, но возвращает позицию и длину (первого) соответствия в каждой строке:

> x <- c("May, 1, 2011", "30 June 2011", "June 2012")
> m <- regexpr("May|^June", x)
> m
[1]  1 -1  1
attr(,"match.length")
[1]  3 -1  4

это означает, что первая строка имела совпадение длины 3, глядя на позицию 1, вторая строка не имела совпадения, а третья строка имела совпадение длины 4 в позиции 1.

чтобы извлечь спички, вы можете использовать что-то вроде:

> m[m < 0] = NA
> substr(x, m, m + attr(m, "match.length") - 1)
[1] "May"  NA     "June"
20

пакет gsubfn является более общим, чем функции grep и regexpr, и имеет способы возврата backrefrences, см. функцию strapply.

3