Capture de groupes Regex dans R avec plusieurs groupes de capture

Question

Dans R, est-il possible d'extraire une capture de groupe à partir d'une correspondance d'expression régulière ? D'après ce que je sais, aucune grep , grepl , regexpr , gregexpr , sub ou gsub retourner les captures du groupe.

J'ai besoin d'extraire des paires clé-valeur de chaînes de caractères qui sont codées ainsi :

\((.*?) :: (0\.[0-9]+)\)

Je peux toujours faire plusieurs greps complets, ou faire un traitement externe (non-R), mais j'espérais pouvoir faire tout cela dans R. Y a-t-il une fonction ou un paquet qui fournit une telle fonction pour faire cela ?

Answer 1

str_match() à partir du stringr va le faire. Il renvoie une matrice de caractères avec une colonne pour chaque groupe de la correspondance (et une pour l'ensemble de la correspondance) :

> s = c("(sometext :: 0.1231313213)", "(moretext :: 0.111222)")
> str_match(s, "\\((.*?) :: (0\\.[0-9]+)\\)")
     [,1]                         [,2]       [,3]          
[1,] "(sometext :: 0.1231313213)" "sometext" "0.1231313213"
[2,] "(moretext :: 0.111222)"     "moretext" "0.111222"

Answer 2

Gsub le fait, d'après votre exemple :

gsub("\\((.*?) :: (0\\.[0-9]+)\\)","\\1 \\2", "(sometext :: 0.1231313213)")
[1] "sometext 0.1231313213"

vous devez doublement échapper le \s dans les guillemets alors ils fonctionnent pour la regex.

J'espère que cela vous aidera.

Answer 3

Essayez regmatches() y regexec() :

regmatches("(sometext :: 0.1231313213)",regexec("\\((.*?) :: (0\\.[0-9]+)\\)","(sometext :: 0.1231313213)"))
[[1]]
[1] "(sometext :: 0.1231313213)" "sometext"                   "0.1231313213"

Answer 4

Gsub() peut le faire et retourner uniquement le groupe de capture :

Cependant, pour que cela fonctionne, vous devez sélectionner explicitement des éléments en dehors de votre groupe de capture, comme le mentionne l'aide gsub().

(...) les éléments des vecteurs de caractères 'x' qui ne sont pas substitués seront retournés inchangés.

Ainsi, si le texte à sélectionner se trouve au milieu d'une chaîne de caractères, l'ajout de .* avant et après le groupe de capture devrait vous permettre de ne renvoyer que celui-ci.

gsub(".*\\((.*?) :: (0\\.[0-9]+)\\).*","\\1 \\2", "(sometext :: 0.1231313213)") [1] "sometext 0.1231313213"

Answer 5

C'est ainsi que j'ai fini par contourner ce problème. J'ai utilisé deux regex distinctes pour faire correspondre le premier et le deuxième groupe de capture et j'ai exécuté deux fois la commande gregexpr puis extraire les sous-chaînes correspondantes :

regex.string <- "(?<=\\().*?(?= :: )"
regex.number <- "(?<= :: )\\d\\.\\d+"

match.string <- gregexpr(regex.string, str, perl=T)[[1]]
match.number <- gregexpr(regex.number, str, perl=T)[[1]]

strings <- mapply(function (start, len) substr(str, start, start+len-1),
                  match.string,
                  attr(match.string, "match.length"))
numbers <- mapply(function (start, len) as.numeric(substr(str, start, start+len-1)),
                  match.number,
                  attr(match.number, "match.length"))