r - 从 R 中的文本文件中提取模式子字符串

Question

我希望使用 R 从文本文件中提取所有唯一的文本子字符串，这些子字符串遵循“矩阵名[行名，列号]”的形式。我使用 grep 和 extract_string_all (stringr) 取得了有限的成功，因为它只会返回整行而不是子字符串。尝试使用 gsub 替换不需要的文本未成功。这是我一直在使用的代码示例。

#Read in file
txt<-read.table("Project_R_code.R")
#create new object to create lines that contain this pattern    
txt2<-grep("param\\[.*1\\]",txt$V1, value=TRUE)
#remove all text that does not match the above pattern
gsub("[^param\\[.*1\\]]","", txt2,perl=TRUE)

第二行有效(但同样不会只给我该模式的子字符串)。然而，用于删除不匹配模式的 gsub 代码保留了这些行并将它们变成这样的:

[200] "[p.p]param[ama1]param[ama11]*[r1]param[ama1]...

我不知道为什么。我意识到这种将线路精简为更易于管理的方法更乏味，但这是我知道如何获取模式的唯一方法。

最好我更喜欢 R 吐出它在文本文件中找到的所有(唯一)子字符串的列表，这些子字符串与我的模式匹配，但我不知道命令。非常感谢您对此的任何帮助。

Answer 1

如果您想提取单个组件，请尝试 str_match :

test <- c("aaa[name1,1]", "bbb[name2,3]", "ccc[name3,3]")
stringr::str_match(test, "([a-zA-Z0-9_]+)[[]([a-zA-Z0-9_]+),.*?(\\d+)\\]")
##      [,1]           [,2]  [,3]    [,4]
## [1,] "aaa[name1,1]" "aaa" "name1" "1" 
## [2,] "bbb[name2,3]" "bbb" "name2" "3" 
## [3,] "ccc[name3,3]" "ccc" "name3" "3" 

否则，使用 str_extract .

注意匹配[在 ERE/TRE 中，我们使用包含单个 [ 的集合。字符，即 [[] .

此外，如果您在单个字符串中有多个匹配项，请使用 str_match_all或 str_extract_all .