如何在R中使用帶`grep`的反向引用？

Question

我找回來回來R.樂使用正則表達式引用的一個優雅的方式我解釋一下：

比方說，我想找到用了一個月名開頭的字符串：

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

該作品，但我真的想月份（即「五一」，而不是整個匹配的字符串隔離

因此，人們可以使用gsub返回使用substitute參數後面引用但是，這裏有兩個問題：。

1. 您必須將模式包裝在「。*（pattern）。*）」中，以便替換髮生在整個字符串上。
2. gsub不是返回非匹配字符串的NA，而是返回原始字符串。這顯然不是我的願望：

的代碼和結果：

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

我大概可以做各種額外檢查編寫一個解決方法，但是這個方法很快就會非常混亂。

要一清二楚，所期望的結果應該是：

[1] "May"   NA 

是否有實現這一目標的一個簡單的方法？

Answer 1

的stringr封裝具有功能正是爲了這個目的：

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

這是一個相當簡單包裝的regexpr，但stringr通常會使字符串處理更容易比基礎R功能更加一致。

Answer 2

regexpr類似於grep，但返回的（第一）匹配的每個串的位置和長度：

> 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 

這意味着，所述第一串有一個匹配長度3在位置1盯着，第二個字符串沒有匹配，第三串在位置1

要提取的比賽進行了比賽長度爲4，你可以使用類似：

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

Answer 3

gsubfn軟件包比grep和regexpr函數更普遍，並且有一些方法可以讓您返回後退，請參閱strapply函數。