代码之家 › 专栏 › 技术社区 › Chris Ruehlemann

使用r中的regex提取圆括号中的字符串

regex r

Chris Ruehlemann · 技术社区 · 6 年前

在我的成绩单中,无声停顿用圆括号表示,例如(0.9),但也用(.)表示停顿<0.3秒。我想消除这些停顿。但是,抄写员的评论也用同样的方式表示,即用双括号括起来,例如((咳嗽))。对于这个例子

yy <- c("well [yes right] (.)", "let's go ((giggles))", "oh [  we::ll] i do n't (0.5) know", "erm [Â°well rightÂ° ]", "(3.2)")

这将提取所有暂停,但也会提取转录者注释:

pattern <- "(\\(.*?\\))"
grep(pattern, yy, value=T) 
matches <- gregexpr(pattern, yy)
paus <- regmatches(yy, matches)
paus <- unlist(paus)
paus
[1] "(.)"        "((giggles)" "(0.5)"      "(3.2)"

为了摆脱评论,我尝试了以下方法:

pattern <- "\\([^\\(].*?\\)[^\\)].*?"

找到“(0.5)”,但找不到字符串的最后停顿“(.)”和“(3.2)”。有指针吗?

2 回复 | 直到 6 年前

Ronak Shah 6 年前

我们可以用 str_extract 提取一个模式,该模式表示一个可选数字后跟一个小数,然后再跟另一个可选数字值。我们使用的是可选的(“?”)。此处获取空值“(.)”。

library(stringr)
vec <- str_extract(yy, "(\\((\\d+)?(\\.(\\d)?\\)))")
vec
#[1] "(.)"   NA      "(0.5)" NA      "(3.2)"

然后使用 is.na 删除 NA 元素

vec[!is.na(vec)]
#[1] "(.)"   "(0.5)" "(3.2)"

或对基R使用相同的正则表达式 regmatches 保存要删除的步骤 钠 价值观。

regmatches(yy, regexpr("(\\((\\d+)?(\\.(\\d)?\\)))", yy))
#[1] "(.)"   "(0.5)" "(3.2)"

Cath swolf 6 年前

另一个选择 gsub :

gsub("[^(]*(\\(([.0-9]+)\\)|\\b|\\B)[^)]*", "\\2", yy)
#[1] "."   ""    "0.5" ""    "3.2"

模式说明:
. [^(]* :除左括号外的任何内容,0次或更多次
. (\\(([.0-9]+)\\)|\\b|\\B) :我们要捕获的内容:一个或多个左括号后跟一个或多个点,一个或多个次,后跟一个右括号(因此,我们只希望捕获点或数字部分 \\2 在替换部分)或可以位于单词边缘的空字符串( \\b )是否( \\B ) 注意:这里我们不把括号放在停顿时间周围,但我们可以。
. [^)]* :除右括号外的任何内容,0次或更多次

推荐文章

lonix · 使用sed从JSON中提取非贪婪正则表达式

1 年前

me-me · regex检查电子邮件字符串是否有@后跟一个点以及点符号后至少2个字符[重复]

1 年前

Dave Guerrero · 是否有一个正则表达式模式来捕获字符串中直到第一个字母字符的数字?

1 年前

Dima Malko · 如何在指定符号前添加符号?

2 年前

shekharsabale · 从列表元素捕获子字符串

2 年前

maycca · 正则表达式:过滤年份数值大于某个值的文件?字符串中编码的年份

2 年前

Katia · 根据特定规则进行多行匹配

2 年前

Andrei Cleland · 在长正则表达式中包含unicode字符

2 年前

MHA · Pandas str.extract()以字母结尾的数字

2 年前

Slava Vir · 如何查找后面“/”之间的最后一组

2 年前