r - 如何在 r 中进行可选的后视和前瞻

Question

我想提取de和en之间的文本以及没有de或en的字符串中的文本。我对正则表达式不是很好，但在阅读了前瞻和后瞻之后，我设法得到了部分我想要的东西。现在我必须让它们成为可选的，但无论我尝试过什么，我都做不到。任何帮助将不胜感激！

library(stringr)
(sstring = c('{\"de\":\"extract this one\",\"en\":\"some text\"}',     'extract this one',     '{\"de\":\"extract this one\",\"en\":\"some text\"}', "p (340) extract this one"))
#> [1] "{\"de\":\"extract this one\",\"en\":\"some text\"}"
#> [2] "extract this one"                                  
#> [3] "{\"de\":\"extract this one\",\"en\":\"some text\"}"
#> [4] "p (340) extract this one"

str_extract_all(string = sstring, pattern = "(?<=.de\":\").*(?=.,\"en\":)")
#> [[1]]
#> [1] "extract this one"
#> 
#> [[2]]
#> character(0)
#> 
#> [[3]]
#> [1] "extract this one"
#> 
#> [[4]]
#> character(0)

所需的输出：

#> [1] "extract this one"         "extract this one"        
#> [3] "extract this one"         "p (340) extract this one"

^{由reprex 包（v0.3.0）于 2020-05-08 创建}

标签： rregexstringr

Answer 1

我建议使用一种模式，该模式将匹配任何不包含子字符串的{"de":"字符串或之后{"de":"包含 1+ 个字符的子字符串，而不是"：

(?<=\{"de":")[^"]+|^(?!.*\{"de":").+

请参阅正则表达式演示。

细节

• (?<=\{"de":")- 积极的回溯，寻找紧随其后的位置{"de":"
• [^"]+- 然后提取 1+ 以外的字符"
• |- 或者
• ^- 在字符串的开头
• (?!.*\{"de":")- 确保{"de":"字符串中没有，并且
• .+- 尽可能多地提取除换行符以外的 1+ 个字符。

在线查看R 演示：

library(stringr)
sstring = c('{\"de\":\"extract this one\",\"en\":\"some text\"}',     'extract this one',     '{\"de\":\"extract this one\",\"en\":\"some text\"}', "p (340) extract this one")
str_extract( sstring, '(?<=\\{"de":")[^"]+|^(?!.*\\{"de":").+')
# => [1] "extract this one"         "extract this one"        
#    [3] "extract this one"         "p (340) extract this one"