如何检查以1开头以2结尾的模式？

Question

该序列将类似于：

"4122222222222281222222211111212"

我想要的结果是：

"1222222222222"

"12222222"

"12"

"12"

您可以看到该模式中可以有任意数量的“2”。

有没有办法在R中找到这样的模式？

Answer 1

关键是要使用模式 "12+"。

\n

\n

人物+表示“匹配前面的字符一次或多次”

\n

\n

您可以stringr使用以下str_extract_all()函数在库中执行此操作：

\n

x  <- "4122222222222281222222211111212"\nstringr::str_extract_all(x, "12+")\n# [[1]]\n# [1] "1222222222222" "12222222"      "12"            "12" \n

\n

或者在基本 R 中您可以使用regmatches()：

\n

m  <- gregexpr("12+", x)\nregmatches(x, m)\n# [[1]]\n# [1] "1222222222222" "12222222"      "12"            "12"       \n

\n

这两种方法都是矢量化的并返回一个列表。这很有用，就像x数据框列一样，输出将是 的列表length(x)，其中每个元素都是包含所有匹配项的字符向量。但是，如果x是一个长度为 的向量1，您可能希望将结果包装起来unlist()以返回一个向量。通过该stringr方法，您还可以执行以下操作：

\n

stringr::str_extract_all(x, "12+", simplify = TRUE) \n#      [,1]            [,2]       [,3] [,4]\n# [1,] "1222222222222" "12222222" "12" "12"\n

\n

这将返回一个字符矩阵，在本例中只有一行。但是，如果您的输入具有 length ，这可能不是所需的结果> 1，因为不同数量的匹配将导致包含""条目（而不是NA）的字符数组：

\n

x  <- c("4122222222222281222222211111212", "135", "123")\nstringr::str_extract_all(x, "12+", simplify = TRUE) \n#      [,1]            [,2]       [,3] [,4]\n# [1,] "1222222222222" "12222222" "12" "12"\n# [2,] ""              ""         ""   ""  \n# [3,] "12"            ""         ""   ""  \n

\n

有关stringr函数和正则表达式匹配字符的更多信息，请参阅 RStudio 的有用stringr 备忘单。

\n

您还可以使用stri_extract_all_regex(x, "12+")，它stringr::str_extract_all()是一个包装器。

\n

基准测试

\n

stringr比 快得多regmatches()。有一些历史 基准表明它stringi比stringr. 然而，由于v1.0.0of stringr，它的许多函数都是函数的包装器stringi，两个包之间的性能没有太大差异。以下是该正则表达式的结果，向量范围从长度1到1e6行：

\n

\n

stringi对于非常短的向量，似乎稍快一些，但实际时间差很小（纳秒）。对于较长的向量，我们看不到太大的相对差异。有趣的是，即使数据很大，简化为矩阵的性能成本相对于创建正则表达式的成本来说并不是很高。

\n

基准测试代码

\n

library(stringr)\nlibrary(stringi)\n\nresults <- bench::press(\n    n_strings = 10^(0:6),\n    pattern = "12+",\n    {\n        x <- stri_rand_strings(n = n_strings, length = 20, pattern = "[1-5]")\n        bench::mark(\n            min_iterations = 10,\n            check = FALSE,\n            str_extract_all = {\n                str_extract_all(x, pattern)\n            },\n            str_extract_all_simplify = {\n                str_extract_all(x, pattern, simplify = TRUE)\n            },\n            stringi = {\n                stri_extract_all_regex(x, pattern)\n            },\n            base = {\n                regmatches(x, gregexpr(pattern, x))\n            }\n        )\n    }\n)\n\n# # A tibble: 28 \xc3\x97 11\n#    expression               n_strings pattern      min   median   `itr/sec` mem_alloc `gc/sec` n_itr  n_gc total_time\n#    <bch:expr>                   <dbl> <chr>   <bch:tm> <bch:tm>       <dbl> <bch:byt>    <dbl> <int> <dbl>   <bch:tm>\n#  1 str_extract_all                  1 12+       20.4\xc2\xb5s   22.5\xc2\xb5s  36001.          264B    3.60   9999     1   277.74ms\n#  2 str_extract_all_simplify         1 12+       21.5\xc2\xb5s   22.7\xc2\xb5s  36481.          264B    3.65   9999     1   274.09ms\n#  3 stringi                          1 12+        6.3\xc2\xb5s    6.6\xc2\xb5s 125851.            0B    0     10000     0    79.46ms\n#  4 base                             1 12+       24.3\xc2\xb5s   27.2\xc2\xb5s  28786.        8.09KB    5.76   9998     2   347.32ms\n#  5 str_extract_all                 10 12+         25\xc2\xb5s   28.8\xc2\xb5s  22913.          264B    2.29   9999     1    436.4ms\n#  6 str_extract_all_simplify        10 12+       26.4\xc2\xb5s   27.9\xc2\xb5s  30625.          472B    3.06   9999     1   326.49ms\n#  7 stringi                         10 12+       10.4\xc2\xb5s   10.8\xc2\xb5s  72548.            0B    7.26   9999     1   137.83ms\n#  8 base                            10 12+       72.4\xc2\xb5s   84.1\xc2\xb5s   8692.       80.94KB    8.72   3988     4    458.8ms\n#  9 str_extract_all                100 12+       64.6\xc2\xb5s   68.7\xc2\xb5s  12231.        1.09KB    2.03   6039     1   493.75ms\n# 10 str_extract_all_simplify       100 12+       69.8\xc2\xb5s  75.55\xc2\xb5s  10732.        3.48KB    2.02   5300     1   493.87ms\n# 11 stringi                        100 12+       49.7\xc2\xb5s   51.8\xc2\xb5s  16697.          848B    0      8335     0   499.18ms\n# 12 base                           100 12+      507.7\xc2\xb5s 677.15\xc2\xb5s   1201.      813.95KB   13.2     548     6   456.18ms\n# 13 str_extract_all               1000 12+      487.4\xc2\xb5s 546.45\xc2\xb5s   1526.        8.12KB    2.02    756     1   495.26ms\n# 14 str_extract_all_simplify      1000 12+      538.8\xc2\xb5s  568.5\xc2\xb5s   1610.       47.23KB    0       805     0   500.08ms\n# 15 stringi                       1000 12+      469.1\xc2\xb5s  558.1\xc2\xb5s   1555.        7.86KB    2.01    772     1   496.62ms\n# 16 base                          1000 12+       5.01ms   5.56ms    177.        7.95MB   20.2      70     8   395.96ms\n# 17 str_extract_all              10000 12+       4.94ms   5.32ms    170.       78.43KB    0        85     0   500.24ms\n# 18 str_extract_all_simplify     10000 12+       5.24ms    5.8ms    167.      390.98KB    1.98     84     1   503.92ms\n# 19 stringi                      10000 12+       4.86ms   5.34ms    160.       78.17KB    2.00     80     1   500.44ms\n# 20 base                         10000 12+      78.43ms  88.56ms     11.0      79.46MB   12.1      10    11   905.52ms\n# 21 str_extract_all             100000 12+      53.45ms  57.39ms     16.8     781.55KB    1.68     10     1   595.49ms\n# 22 str_extract_all_simplify    100000 12+      59.91ms   66.8ms     13.6       4.58MB    1.36     10     1   734.33ms\n# 23 stringi                     100000 12+      52.52ms  53.85ms     18.3      781.3KB    0        10     0    545.4ms\n# 24 base                        100000 12+      808.5ms 992.12ms      0.956    794.6MB   14.6      10   153     10.46s\n# 25 str_extract_all            1000000 12+     533.78ms 627.43ms      1.16      7.63MB    0.116    10     1       8.6s\n# 26 str_extract_all_simplify   1000000 12+     637.49ms 709.24ms      1.36     53.41MB    0.136    10     1      7.34s\n# 27 stringi                    1000000 12+     537.19ms 600.58ms      1.64      7.63MB    0.164    10     1      6.09s\n# 28 base                       1000000 12+          10s   11.74s      0.0857    7.76GB    3.03     10   353      1.95m\n\n\n# Plot\nlibrary(ggplot2)\np  <- autoplot(results) +\n    theme_bw() +\n    facet_wrap(vars(n_strings), ncol = 1, labeller = "label_both")\n

\n