R 正则表达式捕获组？

Question

我有很多这样的字符串:

2019/01/01/07/556662_cba3a4fc-cb8f-4150-859f-5f21a38373d0

我想提取紧接在最后一个 "/" 之后并以 "_" 结尾的子字符串:

556662

我已经找到了如何提取:/01/01/07/556662

通过使用以下正则表达式:(\/)(.*?)(?=\_)

请告知我如何捕获正确的组。

Answer 1

你可以使用

x <- "2019/01/01/07/556662_cba3a4fc-cb8f-4150-859f-5f21a38373d0"
regmatches(x, regexpr(".*/\\K[^_]+", x, perl=TRUE))
## [1] "556662"

参见 regex和 R demo .

这里，正则表达式匹配并输出第一个匹配的子串

• .*/ - 任何 0+ 个字符，直到最后一个 /
• \K - 从匹配中省略这部分
• [^_]+ - 将 _ 以外的 1 个或多个字符放入匹配值中。

或者，sub 解决方案:

sub(".*/([^_]+).*", "\\1", x)

参见 regex demo .

这里和上一个类似，但是_以外的1个或多个字符被捕获到第1组(\1 在替换模式中)和尾随的 .* 确保整个输入匹配(并消耗，准备被替换)。

替代的非基础 R 解决方案

如果您负担得起或更喜欢使用 stringi，您可以使用

library(stringi)
stri_match_last_regex("2019/01/01/07/556662_cba3a4fc-cb8f-4150-859f-5f21a38373d0", ".*/([^_]+)")[,2]
## [1] "556662"

这将匹配到最后一个 / 的字符串，并将捕获到第 1 组(您使用 [,2] 在第 2 列中访问)1 个或多个字符除了_。

或者

stri_extract_last_regex("2019/01/01/07/556662_cba3a4fc-cb8f-4150-859f-5f21a38373d0", "(?<=/)[^_/]+")
## => [1] "556662"

这将在 / 之后提取除 _ 和 / 之外的 1 个或多个字符组成的字符串的最后一个匹配项。