小编Wik*_*żew的帖子

需要使用正则表达式替换/删除记事本++中的多次出现。下面是一个例子：

....
something<item>text to be removed or replaced</item>
text<item>another text to be
removed or replaced</item>
<item>more text to be removed or 
replaced</item>
...

我需要替换/删除"<item>"和之间的所有内容"</item>"，匹配可能包括一个新行。

所以我最终会得到这样的结果：

....
something<item></item>
text<item></item>
<item></item>
...

全部 - 需要一个匹配包含重复多次字符的整个单词的正则表达式.例如,给出句子"这里有一些测试词",我想在"areee"和"testtting"上匹配.

像"([az])\ 1 {1,}"这样的模式匹配重复的字符,但它返回"eee"和"ttt",而不是包含重复字符的整个单词.我用"\ w"代表单词和"\ b"代表单词边框进行了多种变体实验,但似乎无法使其正常工作......谢谢!

我有这样的表达：

^(?!0*(\.0+)?$)(\d+|\d*\.\d+)$

它工作正常，只是我希望它也接受逗号作为分隔符。有了这个图案，1,5还是,123假的。应该是真的。

具体来说，

0 = false
0.0 = false
null = false
. = false
, = false
0.123 = true
0,123 = true
.123 = true
,123 = true
123.123 = true
123,123 = true

我尝试读取街道地址并用正则表达式分割街道和号码。

该地址可以如下所示：

Ebory Mebory Street 1
Eborymebory Street 23/2
Filler Filler Filler Street 1-32

我尝试拆分字符串使用split()，然后再次将街道名称放在一起（如果在拆分字符串中没有检测到数字）。

这仅适用于第一种情况。我认为如果我使用正则表达式会更好。问题是我对正则表达式的理解非常有限。

adress = "Ebory mebory Street 23".split()
street = ""
number = ""
for item in adress:
  if(not(item.isdigit())):
     street = street + item + " "
  else:
     number = item

我得到的结果是正确的，但仅限于这种情况。如果地址是Eborymebory Street 23/24，则由于斜杠而无法工作。

那么，问题是如何获取街道地址以及字符串末尾的数字，并记住这些数字可能是可选的？

我有一个看起来像这样的字符串......

mystring = '{#var#}status has been updated{#var#}with remark{#var#}connect with{#var#}at{#var#}transactions may be{#var#}till{#var#}'

我只需要给它编号，让它看起来像这样......

{#var1#}status has been updated{#var2#}with remark{#var3#}connect with{#var4#}at{#var5#}transactions may be{#var6#}till{#var7#}

这将用数字 1 替换字符串

mystring.replace("{#var#}", "{#var1#}")

不知道如何枚举数字 2,3,4 到 7

我很好奇 Perl 正则表达式反向引用和其他人的（C++、grep、emacs，实际上我见过的所有其他用法）之间的语法差异的历史原因。

Perl\g1用于组反向引用。其他人都使用看起来更简洁的语法，只是\1.

我正在尝试删除文本，直到包含一个或多个逗号的字符串中的第一个逗号为止。出于某种原因，我发现这总是删除所有字符串的最后一个逗号之前的所有内容。

字符串看起来像：

OCR - (some text), Variant - (some text), Bad Subtype - (some text)

我的正则表达式正在返回：

Bad Subtype - (some text)

当所需的输出是：

Variant - (some text), Bad Subtype - (some text)

Variant 不能保证排在第二位。

#select all strings beginning with OCR in the column Tags
clean<- subset(all, grepl("^OCR", all$Tags)
#trim the OCR text up to the first comma, and store in a new column called Tag
    clean$Tag<- gsub(".*,", "", clean$Tag) 

或者

clean$Tag <- gsub(".*\\,", "", clean$Tag)

或者

clean$Tag<- sub(".*,", "", clean$Tag)

等等..

我有这个向量

names <- c("wazzzap12waaazzzaaaaapffffm12323", "hell223231", "musssaaaa225")

所以我想删除向量元素中至少包含三个“z”字母的数字的单词。

我有一个 .bed (.tsv) 文件，如下所示：

chr1    0   100000
chr1    100000  200000
chr1    200000  300000
chr1    300000  425234

我想使用 sed 或 awk 仅对第 3 列中以“000”结尾的值执行操作 -1，以便输出如下所示：

chr1    0   99999
chr1    100000  199999
chr1    200000  299999
chr1    300000  425234

令人尴尬的是，我想出的最好的办法是：

awk {sub(/000$/,"999",$3); print $1,$2,$3}' oldfile > newfile

它只是用最后 3 位数字代替 999，而不是实际相减。任何帮助总是值得赞赏！

我有一个大型 data.table，包含超过 700 万行和 38 列。其中一列是字符向量，其中包含很长的描述性句子。我知道每个句子的第一个单词是一个类别，第二个单词是一个名称，我需要将这两个单词放入两个新列中以供以后分析。

这可能不能很好地说明时间差异，因为它太小了（实际上system.time()在这个例子中给出了 0），但这里有一个玩具字符串来说明我想要做的事情：

# Load libraries:
library(data.table)
library(stringr)

# Create example character string:
x <- c("spicy apple cream", "mild peach melba", "juicy strawberry tart")
id <- c(1,2,3)

# Create dt:
mydt <- data.table(id = id, desert = x)

假设在我的真实数据中，我想从每个字符串中提取第一个单词，并将其放入一个名为“category”的新变量中，然后从每个字符串中提取第二个单词并将其放入一个名为“fruit_name”的新变量中。

词法上最简单的方法似乎是使用stringr::word()which 很有吸引力，因为它避免了计算复杂的正则表达式的需要：

# Add a new category column:
mydt[, category := stringr::word(desert, 1)]

# Add a new fruit name column:
mydt[, fruit_name := stringr::word(desert, 2)]

虽然这在小数据集上工作得很好，但在我的真实数据集上却花了很长时间（我怀疑它挂起了，尽管我杀死了它并在 10 分钟后重新启动了 R）。就上下文而言，该数据集中的其他字符向量类型操作大约需要 20 秒才能运行，因此该函数似乎特别耗费人力和计算资源。

相反，如果我使用正则表达式， …