以任何顺序提取2个单词

Question

我想以任何顺序提取猫和狗

string1 <- "aasdfadsf cat asdfadsf dog"
string2 <- "asfdadsfads dog asdfasdfadsf cat"

我现在拥有的是猫和狗，还有中间的文本

stringr::str_extract(string1, "cat.*dog|dog.*cat"

我希望输出

cat dog

和

dog cat

对于string1和string2，分别

Answer 1

您可以将sub与以下PCRE正则表达式一起使用：

.*(?|(dog).*(cat)|(cat).*(dog)).*

见regex demo。

细节

• .* - 除了换行符之外的任何0+字符（匹配所有字符在模式开始时添加(?s)）
• (?|(dog).*(cat)|(cat).*(dog)) - 分支重置组(?|...|...)匹配两种选择中的任何一种： (dog).*(cat) - 第1组捕获dog，然后捕获尽可能多的0+字符，第2组捕获cat | - 或 (cat).*(dog) - 第1组捕获cat，然后捕获尽可能多的0+字符，第2组捕获dog（在分支重置组中，组ID重置为组+ 1之前的值）
• .* - 除了换行符之外的任何0+字符

\1 \2替换模式将第1组和第2组值插入到结果字符串中（因此结果只是dog或cat，一个空格，以及cat或dog）。

另见an R demo online：

x <- c("aasdfadsf cat asdfadsf dog", "asfdadsfads dog asdfasdfadsf cat")
sub(".*(?|(dog).*(cat)|(cat).*(dog)).*", "\\1 \\2", x, perl=TRUE)
## => [1] "cat dog" "dog cat"

要在不匹配的情况下返回NA，请使用正则表达式匹配特定模式或整个字符串，并将其与gsubfn一起使用以应用自定义替换逻辑：

> gsubfn("^(?:.*((dog).*(giraffe)|(giraffe).*(dog)).*|.*)$", function(x,a,b,y,z,i) ifelse(nchar(x)>0, paste0(a,y," ",b,z), NA), x)
[1] "NA" "NA"
> gsubfn("^(?:.*((dog).*(cat)|(cat).*(dog)).*|.*)$", function(x,a,b,y,z,i) ifelse(nchar(x)>0, paste0(a,y," ",b,z), NA), x)
[1] "cat dog" "dog cat"

这里，

• ^ - 字符串anchor的开头
• (?:.*((dog).*(cat)|(cat).*(dog)).*|.*) - 与两种选择中的任何一种相匹配的non-capturing group：.*((dog).*(cat)|(cat).*(dog)).*： .* - 尽可能多的0个字符 ((dog).*(cat)|(cat).*(dog)) - 与两种选择中的任何一种相匹配的capturing group： (dog).*(cat) - dog（第2组，分配给a变量），尽可能多的0+字符，然后cat（第3组，分配给b变量） | (cat).*(dog) - dog（第4组，分配给y变量），尽可能多的0+字符，然后cat（第5组，分配给z变量） .* - 尽可能多的0个字符 | - 或 .* - 任何0+字符
• $ - 字符串anchor的结尾。

匿名函数中的x表示此处为“技术”的第1组值，我们使用nchar检查第1组匹配长度是否为零，如果它不为空，则使用自定义逻辑替换，如果是第1组是空的，我们用NA替换。

Answer 2

我们可以使用str_extract_all包中的stringr和捕获组。

string1 <- "aasdfadsf cat asdfadsf dog"
string2 <- "asfdadsfads dog asdfasdfadsf cat"
string3 <- "asfdadsfads asfdadsfadf"

library(stringr)
str_extract_all(c(string1, string2, string3), pattern = "(dog)|(cat)")
# [[1]]
# [1] "cat" "dog"
# 
# [[2]]
# [1] "dog" "cat"
# 
# [[3]]
# character(0)

我们也可以设置simplify = TRUE。输出将是一个矩阵。

str_extract_all(c(string1, string2, string3), pattern = "(dog)|(cat)", simplify = TRUE)
#       [,1]  [,2] 
# [1,] "cat" "dog"
# [2,] "dog" "cat"
# [3,] ""    ""  

Answer 3

要么，

> regmatches(string1,gregexpr("cat|dog",string1))
[[1]]
[1] "cat" "dog"

> regmatches(string2,gregexpr("cat|dog",string2))
[[1]]
[1] "dog" "cat"