如何解决R正则表达式从文本文件中提取电视节目名称
我已经加载了txt并将其分配给名为txt的变量。现在,我试图使用正则表达式仅提取我想要的信息。
我想要提取的信息模式就像
SHOW: Game of Thrones 7:00 PM EST
SHOW: The Outsider 3:00 PM EST
SHOW: Don't Be a Menace to South Central While Drinking Your Juice In The Hood 10:00 AM EST
,依此类推。大约有320个节目,我想提取其中的所有320个。
到目前为止,我已经提出了这个建议。
pattern <- "SHOW:\\s\\w*"
str_extract_all(txt,pattern3)
但是,它并没有提取我想要的整个标题名称。 (例如:它将提取“ SHOW:Game”而不是“ SHOW:Game of Thrones”。如果要提取该节目,我将使用"SHOW:\\s\\w*\\s\\w*\\s\\w*
来匹配字数,但是我想提取所有节目均以txt格式显示,包括长短名称。
我应该如何编写正则表达式以获得预期的结果?
解决方法
通过环顾四周来完成这项工作:
str_extract(st,'(?<=SHOW: )(.*)(?= \\d{1,2}:.. [PA]M ...)')
[1] "Game of Thrones"
[2] "The Outsider"
[3] "Don't Be a Menace to South Central While Drinking Your Juice In The Hood"
使用SHOW:
str_extract(st,'(.*)(?= \\d{1,2}:.. [PA]M ...)')
[1] "SHOW: Game of Thrones"
[2] "SHOW: The Outsider"
[3] "SHOW: Don't Be a Menace to South Central While Drinking Your Juice In The Hood"
数据:
st
[1] "SHOW: Game of Thrones 7:00 PM EST"
[2] "SHOW: The Outsider 3:00 PM EST"
[3] "SHOW: Don't Be a Menace to South Central While Drinking Your Juice In The Hood 10:00 AM EST"
,
通过匹配SHOW:
并捕获至少匹配的组1中的数据,直到第一次出现AM或PM为止,您都可以不使用环视而获得值。
\bSHOW:\s+(.*?)\s+\d{1,2}:\d{1,2}\s+[AP]M\b
说明
-
\bSHOW:\s+
一个单词边界,匹配SHOW:
和1个以上的whitspace字符 -
(.*?)
捕获第1组,并尽可能匹配(非贪婪) -
\s+\d{1,2}
匹配1个以上空格字符,1-2位数字:
1-2位数字 -
\s+[AP]M\b
匹配1个以上的空格字符,后跟AM或PM以及单词边界
library(stringr)
txt <- c("SHOW: Game of Thrones 7:00 PM EST","SHOW: The Outsider 3:00 PM EST","SHOW: Don't Be a Menace to South Central While Drinking Your Juice In The Hood 10:00 AM EST")
pattern <- "\\bSHOW:\\s+(.*?)\\s+\\d{1,2}:\\d{1,2}\\s+[AP]M\\b"
str_match(txt,pattern)[,2]
输出
[1] "Game of Thrones"
[2] "The Outsider"
[3] "Don't Be a Menace to South Central While Drinking Your Juice In The Hood"
如果要包括SHOW,它可以属于捕获组。
\b(SHOW:.*?)\s+\d{1,2}\s+[AP]M\b
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。