在r中解析sub和gsub的正則表達式

我無法理解以下代碼行中正則表達式的含義。在r中解析sub和gsub的正則表達式

author = "10_1 A Kumar; Ahmed Hemani ; Johnny &Ouml;berg<" 

# after some experiment, it looks like this line captures whatever is in 
# front of the underscore. 
authodid = sub("_.*","",author) 

# this line extracts the number after the underscore, but I don't know 
# how this is achieved 
paperno <- sub(".*_(\\w*)\\s.*", "\\1", author) 

# this line extracts the string after the numbers 
# I also have no idea how this is achieved through the code 
coauthor <- gsub("<","",sub("^.*?\\s","", author))

我已經在網上看到第一個參數是模式，第二個是替換，第三個是對象操作。我也在SO上看到了一些帖子，並得知\\w表示一個字，\\s是一個空格。

但是，有幾件事情還不清楚。 \\w表示單詞，是否表示下一個單詞？如果不是，我應該如何解釋？我瞭解到^匹配字符串的開始，但^之後的那段時間呢？

更重要的是，什麼是_.*的解釋.*_^.*?\\s怎麼樣？我應該如何閱讀它們？

謝謝！

來源

2017-04-02 Waht

在這裏鍵入這些東西https://regex101.com – rawr

@rawr我應該選擇哪種味道？似乎所有人都顯示錯誤。 – Waht

[pcre應該沒問題]（https://regex101.com/r/sIb7Ql/1），我沒有得到一個錯誤，也許你是因爲雙\這是不需要的，當你使用這個網站 – rawr

好吧。有很多問題。首先要做的事情。

sub("_.*","",author)尋找_以及其後的所有內容。所以在你的情況下_.*對應於_1 A Kumar; Ahmed Hemani ; Johnny Öberg<。函數sub以''復位（因此，事實上它會將其刪除），所以最終結果爲10。

sub(".*_(\\w*)\\s.*", "\\1", author)比較棘手（沒有任何理由）。它不提取任何東西。如果將代碼替換爲sub(".*_(\\w*)\\s.*", "222", author)，結果將爲222（而不是1）。所以，無論你放在第二個參數中，你都會得到結果。爲什麼如此？那麼，因爲".*_(\\w*)\\s.*"對應整個字符串，即：.*_對應於10_; (\\w*)對應於1，最後\\s.*意味着空間和它後面的所有內容（所以，字符串的其餘部分）。

gsub("<","",sub("^.*?\\s","", author))有兩個功能。第一個sub("^.*?\\s","", author)。它看起來從頭到腳都是一切。所以^.*?\\s代表10_1並將其刪除。所以，你最終得到A Kumar; Ahmed Hemani ; Johnny Öberg<。第二個從各地刪除'<'。

我希望它有幫助。

來源

2017-04-02 05:42:15 Vyga

是否正確：'_。*'在'_'之後查找所有內容，並對其進行操作，'。* _'在'_'之前查找所有內容並對其執行操作，'^。*？'外觀從一開始直到它找到指定的東西（在我的情況下，'\\ s'，一個空格）並對其進行操作？ – Waht

@短答案是肯定的。 – Vyga

在r中解析sub和gsub的正則表達式

回答

相關問題