R中的regexpr语法

Question

我正在尝试以下内容,这应该允许我获得介于productUrl://和之间的所有内容?

(?<=\"productUrl\"\:\"\/\/)(.*?)(?=\?)

以上工作在https://regexr.com/

然后我试图逃避反斜杠以使该字符串适合grep函数,但没有运气.这样做的正确方法是什么？

请参阅此示例:链接到示例

我实际上需要提取与我的模式匹配的子串,因此grep可以与另一个函数一起使用.

Answer 1

请注意,您不需要/在R regex模式中进行转义,因为它们是使用字符串文字定义的,并且/不是特殊的正则表达式元字符.如果你想编写一个"内部"..."字符串文字,你应该用一个字符串来逃避它\,正如你已经在做的那样.

如果使用单引号定义字符串文字并且.*?(?=\?)转换为否定字符类,则可以避免在此处过度使用:

grep('(?<="productUrl":"//)([^?]*)', x, perl=TRUE)

在[^?]*否定字符类以外的任何0或更多字符相匹配?.

如果您要检查的字符串没有双引号,请从lookbehind中删除它们:

grep('(?<=productUrl://)([^?]*)', x, perl=TRUE)

您也可以使用\K省略匹配的文本部分而不是lookbehind :

grep('productUrl://\\K[^?]*', x, perl=TRUE)
                   ^^^ 

实际上,您甚至不需要模式中的捕获组.

解决实际任务

您无法在R中提取子字符串grep,您只能使用查找/标识要从字符向量中提取的元素grep.要提取子字符串,您需要使用基本R regmatches或字符串str_extract/ str_extract_all或类似match函数.

基数为R的示例:

> x <- '":"ppath","value":[],"hidden":false,"locked":false}],"bizData":"","pos":0},"listItems":[{"name":"BRAND\'S® Lutein Essence 6 Bottles x 60ml","nid":"66765568","icons":[{"domClass":"lazMall","text":"LazMall","alias":"LazMallAlias","type":"img","group":"1","showType":"0","order":0}],\n"productUrl":"//www.lazada.sg/products/brands-lutein-essence-6-bottles-x-60ml-i138897006-s167303363.html?search=1","image":"https://sg-test-11.slatic.net/p/5337f879236ece2f14158c055adcdef7.jpg",\n"productUrl":"//www.lazada.sg/products/brands-lutein-essence-6-bottles-x-60ml-i138897006-s167303363.html?search=1","sku":"BR924HBAB3R0N4SGAMZ","skuId":"167303363"}],"restrictedAge":0,"categories":[1438,1565,4776,7305'
> regmatches(x, gregexpr('"productUrl":"\\K[^?"]*', x, perl=TRUE))
[[1]]
[1] "//www.lazada.sg/products/brands-lutein-essence-6-bottles-x-60ml-i138897006-s167303363.html"
[2] "//www.lazada.sg/products/brands-lutein-essence-6-bottles-x-60ml-i138897006-s167303363.html"

使用stringr:

> library(stringr)
> str_extract_all(x, '(?<="productUrl":")[^?"]*')
[[1]]
[1] "//www.lazada.sg/products/brands-lutein-essence-6-bottles-x-60ml-i138897006-s167303363.html"
[2] "//www.lazada.sg/products/brands-lutein-essence-6-bottles-x-60ml-i138897006-s167303363.html"