R regex找到最后出现的分隔符

Question

我试图获得电子邮件地址的结尾(即.net,.com,.edu等),但@之后的部分可以有多个句点.

library(stringi)

strings1 <- c(
    'test@aol.com',
    'test@hotmail.com',
    'test@xyz.rr.edu',
    'test@abc.xx.zz.net'
)

list1 <- stri_split_fixed(strings1, "@", 2)
df1 <- data.frame(do.call(rbind,list1))

    > list2 <- stri_split_fixed(df1$X2, '.(?!.*.)', 2);list2
[[1]]
[1] "aol.com"

[[2]]
[1] "hotmail.com"

[[3]]
[1] "xyz.rr.edu"

[[4]]
[1] "abc.xx.zz.net"

有任何建议可以得到这样的东西:

    X1            X2  X3
1 test       aol.com com
2 test   hotmail.com com
3 test    xyz.rr.edu edu
4 test abc.xx.zz.net net

编辑:另一种尝试:

> list2 <- stri_split_fixed(df1$X2, '\.(?!.*\.)\w+', 2);list2
Error: '\.' is an unrecognized escape in character string starting "'\."

Answer 1

以下是一些方法.第一个似乎特别直接,第二个特别短.

1)sub可以使用subR中的应用程序来生成每个列:

data.frame(X1 = sub("@.*", "", strings1), 
           X2 = sub(".*@", "", strings1), 
           X3 = sub(".*[.]", "", strings1), 
           stringsAsFactors = FALSE)

赠送:

    X1            X2  X3
1 test       aol.com com
2 test   hotmail.com com
3 test    xyz.rr.edu edu
4 test abc.xx.zz.net net

2)strapplyc这是使用gsubfn包特别简短的替代方案.这将返回一个字符矩阵. strappylyc将匹配返回到括号中的模式部分.第一组parantheses匹配@之前的所有内容,第二组括号匹配@之后的所有内容,最后一组括号匹配最后一个点之后的所有内容.

library(gsubfn)
pat <- "(.*)@(.*[.](.*))"
t(strapplyc(strings1, pat, simplify = TRUE))

     [,1]   [,2]            [,3] 
[1,] "test" "aol.com"       "com"
[2,] "test" "hotmail.com"   "com"
[3,] "test" "xyz.rr.edu"    "edu"
[4,] "test" "abc.xx.zz.net" "net"

图2a)read.pattern read.pattern也在gsubfn包可以在使用相同的做pat在(2)定义:

library(gsubfn)
pat <- "(.*)@(.*[.](.*))"
read.pattern(text = strings1, pat, as.is = TRUE)

给出类似于(1)的data.frame,除了列名是V1,V2和V3.

3)strsplit重叠提取很难做到,strsplit但我们可以用两个应用程序来完成strsplit.第一个strsplit拆分在@和第二个拆分使用一直到最后一个点拆分.这最后strsplit总是产生一个空字符串作为第一个拆分字符串,我们使用它删除它[, -1].这给出了一个字符矩阵:

 ss <- function(x, pat) do.call(rbind, strsplit(x, pat))
 cbind( ss(strings1, "@"), ss(strings1, ".*[.]")[, -1] )

给出与(2)相同的答案.

4)strsplit/sub这是(1)和(3)的混合:

cbind(do.call(rbind, strsplit(strings1, "@")), sub(".*[.]", "", strings1))

给出与(2)相同的答案.

4a)这是使用strsplit和的另一种方式sub.在这里,我们附加一个@后跟TLD然后拆分@.

do.call(rbind, strsplit(sub("(.*[.](.*))", "\\1@\\2", strings1), "@"))

给出与(2)相同的答案.

更新添加了其他解决方

Answer 2

A read.table+ file_ext方法(不是正则表达式,但很简单):

dat <- read.table(text=strings1, sep="@")
dat$V3 <- tools::file_ext(strings1)
dat

##     V1            V2  V3
## 1 test       aol.com com
## 2 test   hotmail.com com
## 3 test    xyz.rr.edu edu
## 4 test abc.xx.zz.net net

这是纯粹的正则表达式方法:

do.call(rbind, strsplit(strings1, "@|\\.(?=[^\\.]+$)", perl=TRUE))

##     [,1]   [,2]        [,3] 
## [1,] "test" "aol"       "com"
## [2,] "test" "hotmail"   "com"
## [3,] "test" "xyz.rr"    "edu"
## [4,] "test" "abc.xx.zz" "net"