在R中的所有括号内提取信息

Question

我有一个字符串以及在多个括号内提取信息的内容.目前,我可以使用下面的代码从最后一个括号中提取信息.我该怎么做才能提取多个括号并作为向量返回？

j <- "What kind of cheese isn't your cheese? (wonder) Nacho cheese! (groan) (Laugh)"                                                          
sub("\\).*", "", sub(".*\\(", "", j)) 

目前的输出是:

[1] "Laugh"

期望的输出是:

[1] "wonder" "groan"  "Laugh" 

Answer 1

这是一个例子:

> gsub("[\\(\\)]", "", regmatches(j, gregexpr("\\(.*?\\)", j))[[1]])
[1] "wonder" "groan"  "Laugh" 

我认为这应该运作良好:

> regmatches(j, gregexpr("(?=\\().*?(?<=\\))", j, perl=T))[[1]]
[1] "(wonder)" "(groan)"  "(Laugh)" 

但结果包括括号......为什么？

这有效:

regmatches(j, gregexpr("(?<=\\().*?(?=\\))", j, perl=T))[[1]]

感谢@MartinMorgan的评论.

Answer 2

使用stringr包我们可以减少一点.

library(stringr)
# Get the parenthesis and what is inside
k <- str_extract_all(j, "\\([^()]+\\)")[[1]]
# Remove parenthesis
k <- substring(k, 2, nchar(k)-1)

@kohske使用regmatches,但我目前正在使用2.13,因此目前无法访问该功能.这增加了对stringr的依赖,但我认为它更容易使用,代码更清晰一些(好吧......就像使用正则表达式一样明确......)

编辑:我们也可以尝试这样的事情 -

re <- "\\(([^()]+)\\)"
gsub(re, "\\1", str_extract_all(j, re)[[1]])

这个通过在正则表达式中定义标记的子表达式来工作.它提取与正则表达式匹配的所有内容,然后gsub仅提取子表达式内的部分.

Answer 3

我认为基本上有3种简单的方法可以提取R中的多个捕获组（不使用替换）。str_match_all，str_extract_all和regmatches/gregexpr组合。

我喜欢@kohske的正则表达式，它的后面是一个开放的括号?<=\\(，后面是一个封闭的括号?=\\)，并且在中间（懒惰地）抓取了所有内容，.+?换句话说(?<=\\().+?(?=\\))

使用相同的正则表达式：

str_match_all返回答案作为矩阵。

str_match_all(j, "(?<=\\().+?(?=\\))")

     [,1]    
[1,] "wonder"
[2,] "groan" 
[3,] "Laugh" 

# Subset the matrix like this....

str_match_all(j, "(?<=\\().+?(?=\\))")[[1]][,1]
[1] "wonder" "groan"  "Laugh" 

str_extract_all以列表形式返回答案。

str_extract_all(j,  "(?<=\\().+?(?=\\))")
[[1]]
[1] "wonder" "groan"  "Laugh" 

#Subset the list...
str_extract_all(j,  "(?<=\\().+?(?=\\))")[[1]]
[1] "wonder" "groan"  "Laugh" 

regmatches/gregexpr还返回答案作为列表。由于这是基本的R选项，因此有些人喜欢它。注意建议perl = TRUE。

regmatches(j, gregexpr( "(?<=\\().+?(?=\\))", j, perl = T))
[[1]]
[1] "wonder" "groan"  "Laugh" 

#Subset the list...
regmatches(j, gregexpr( "(?<=\\().+?(?=\\))", j, perl = T))[[1]]
[1] "wonder" "groan"  "Laugh" 

如果我误解了最流行的选项，希望SO社区可以更正/编辑此答案。

Answer 4

使用rex可以使这种类型的任务更简单一些.

matches <- re_matches(j,
  rex(
    "(",
    capture(name = "text", except_any_of(")")),
    ")"),
  global = TRUE)

matches[[1]]$text
#>[1] "wonder" "groan"  "Laugh"