R Regular Expression lookbehind

Ho un vettore pieno di corde del seguente formato: <year1><year2><id1><id2>R Regular Expression lookbehind

le prime registrazioni del vettore si presenta in questo modo:

199719982001 
199719982002 
199719982003 
199719982003

Per la prima voce che abbiamo: year1 = 1997, anno2 = 1998, id1 = 2, id2 = 001.

Voglio scrivere un'espressione regolare che estrae year1, id1 e le cifre di id2 che non sono zero. Così, per la prima voce la regex dovrebbe uscita: 199721.

Ho provato a fare questo con il pacchetto stringr, e ha creato la seguente espressione regolare:

"^\\d{4}|\\d{1}(?<=\\d{3}$)"

di tirare fuori year1 e ID1, tuttavia quando si utilizza il lookbehind ottengo un errore di "espressione regolare non valida". Questo è un po 'sconcertante per me, R non può gestire lookaheads e lookbehinds?

fonte

2012-01-12 Thomas Jensen

guardare la pagina di aiuto 'regex'. Lookbehind è supportato per 'perl = TRUE'. Quindi 'regexp ("^\\ d {4} | \\ d {1} (? <= \\ d {3} $) ", s)' non genera un errore, ma non seleziona quello che vuoi. – mpiktas

Grazie per il suggerimento! Sapevo che la regex non avrebbe catturato tutto, stavo solo sperimentando un po 'e sono stato calpestato quando ricevevo un messaggio di "espressione regolare non valida". –

Con 'strapply' in gsubfn questa espressione regolare funziona e non richiede lookahead o lookbehind:' L <- c ("199719982001", "199719982002", "199719982003", "199719982003"); biblioteca (gsubfn); strapply (L, "^ (....) .... (.) 0 * (. *)", c, simplify = TRUE) ' –

Poiché questo è un formato fisso, perché non utilizzare substr? year1 viene estratto utilizzando substr(s,1,4), id1 viene estratto utilizzando substr(s,9,9) e id2 come as.numeric(substr(s,10,13)). Nell'ultimo caso ho usato as.numeric per eliminare gli zeri.

fonte

2012-01-12 11:51:59 mpiktas

Grazie a mpiktas, avremmo dovuto pensarci. Sono comunque ancora curioso del perché il lookbehind non funziona ... –

Vedere la mia altra risposta :) – mpiktas

È necessario utilizzare gregexpr dal pacchetto base. Questo funziona:

> s <- "199719982001" 
> gregexpr("^\\d{4}|\\d{1}(?<=\\d{3}$)",s,perl=TRUE) 
[[1]] 
[1] 1 12 
attr(,"match.length") 
[1] 4 1 
attr(,"useBytes") 
[1] TRUE

Nota l'impostazione perl=TRUE. Per ulteriori dettagli, consulta ?regex.

Tuttavia, a giudicare dall'output, l'espressione regolare non cattura lo id1.

fonte

2012-01-12 12:07:22 mpiktas

È possibile utilizzare sub.

sub("^(.{4}).{4}(.{1}).*([1-9]{1,3})$","\\1\\2\\3",s)

fonte

2012-01-14 08:52:09

Grazie per il suggerimento! –

R Regular Expression lookbehind

risposta

Problemi correlati