使用正則表達式提取字符串的一部分

Question

我正在努力獲得一些正則表達式代碼來工作。我有一長串我需要部分提取的字符串。我只需要以「WER」開頭的字符串，而且我只需要在字母上開始（包括）字符串的最後部分。

test <- c("abc00012Z345678","WER0004H987654","WER12400G789456","WERF12","0-0Y123") 

下面是一行正在工作但只有一個字母的代碼行。但是在我的字符串列表中可以有任何字母。

ifelse(substr(test,1,3)=="WER",gsub("^.*H.*?","H",test),"") 

什麼我希望能實現如下：

H987654 
G789456 
F12 

Answer 1

您可以使用以下方式與gsub：

> gsub("^(?:WER.*([a-zA-Z]\\d*)|.*)$", "\\1", test) 
[1] ""  "H987654" "G789456" "F12"  "" 

見regex demo

這種模式匹配：

• ^ - 串的開始
• (?: - 交替組的開始與2個備選方案：
  • WER.*([a-zA-Z]\\d*) - WER炭序列，隨後用任何0+字符（.*）儘可能多地到最後一個字母（[a-zA-Z]）後跟0+數字（\\d*）（用\\d+代替以匹配1+數字，要求至少1位數）
  • | - 或
  • `* - 任何0+字符
• )$ - 關閉的交替組和匹配串與$結束。

隨着str_match從stringr，甚至更加整潔：

> library(stringr) 
> res <- str_match(test, "^WER.*([a-zA-Z]\\d*)$") 
> res[,2] 
[1] NA  "H987654" "G789456" "F12"  NA  
> 

見another regex demo

如果有新行輸入，在模式的開頭添加(?s)：res <- str_match(test, "(?s)^WER.*([a-zA-Z]\\d*)$")。

Answer 2

如果你不想空字符串或NA爲不以「WER」開頭的字符串，你可以試試下面的辦法：

sub(".*([A-Z].*)$", "\\1", test[grepl("^WER", test)]) 
#[1] "H987654" "G789456" "F12"