r - 是否可以在 R 中为正则表达式子字符串提供一组选项？

Question

我有一个数据框，其中包含一些带有错误消息的单元格作为字符串。字符串有以下形式：

ERROR-100_Data not found for ID "xxx"
ERROR-100_Data not found for id "xxx"
ERROR-101_Data not found for SUBID "yyy"
Data not found for ID "xxx"
Data not found for id "xxx"

我需要提取错误的编号（如果有的话）和 GENERAL 描述，避免 ID 或 SUBID 的特殊性。我有一个使用以下正则表达式的函数：

sub(".*?ERROR-(.*?)for ID.*","\\1",df[,col1],sep="-")

这仅适用于第一种情况。有没有办法只使用一个表达式来获得以下结果？

100_Data not found
100_Data not found
101_Data not found
Data not found
Data not found

标签： rregexsubstring

Answer 1

我们可以用：

tsxt <- 'ERROR-100_Data not found for ID "xxx"'
    gsub("\\sfor.*|ERROR-","",tsxt, perl=TRUE)
   [1] "101_Data not found"

或如@Jan 锚所建议的那样ERROR使其更通用：

gsub("\\sfor.*|^ERROR-","",tsxt, perl=TRUE)