Wie extrahiert man einen Teilstring nach inversem Muster mit R?

Question

Ich versuche, eine Teilzeichenfolge nach Muster mit gsub() R-Funktion zu extrahieren.

# Example: extracting "7 years" substring. string <- "Psychologist - 7 years on the website, online" gsub(pattern="[0-9]+\\s+\\w+", replacement="", string)

[1] "Psychologist - on the website, online"

Wie Sie sehen können, ist es einfach benötigte substring gsub(), um auszuschliessen, aber ich brauche das Ergebnis und immer „7 Jahre“ nur invertieren. Ich denke, über die Verwendung von "^", so etwas wie die:

gsub(pattern="[^[0-9]+\\s+\\w+]", replacement="", string)

Bitte, mir jemand mit dem richtigen regexp Mustern helfen könnte?

Answer 1

können Sie verwenden

sub(pattern=".*?([0-9]+\\s+\\w+).*", replacement="\\1", string) 

this R demo See.

Einzelheiten

• .*? - alle 0+ Zeichen, so wenig wie möglich
• ([0-9]+\\s+\\w+) - Capturing Gruppe 1:
  • [0-9]+ - eine oder mehrere Ziffern
  • \\s+-1 oder mehr Leerräume
  • \\w+ - 1 oder mehr Wort Zeichen
• .* - der Rest der Kette (0+ beliebigen Zeichen, so viele wie möglich)

Die \1 im Ersatz ersetzt durch den Inhalt der Gruppe 1.

Answer 2

Sie könnten das Gegenteil von dem \d verwenden, die \D in R ist:

string <- "Psychologist - 7 years on the website, online" 
sub(pattern = "\\D*(\\d+\\s+\\w+).*", replacement = "\\1", string) 
# [1] "7 years" 

\D* bedeutet: keine Ziffern so lang wie möglich, der Rest wird in einer Gruppe erfasst und ersetzt dann die komplette Zeichenfolge.

Siehe a demo on regex101.com.