使用sub提取路径的一部分

Question

我正在尝试从r中的路径中提取文件名。像一个字符串

someurl.com/vp/125514_45147_55144.jpg?_nc25244

我想提取125514_45147_55144

我正在使用以下表达式：

 sub(".*vp/(.*?)/.*", "\\1", input) 

哪个有效，但它也剥离了下划线：

1255144514755144

我无法弄清楚如何保留下划线

Answer 1

删除基点名称后面的点和所有内容：

sub("\\..*", "", basename(x))
## [1] "125514_45147_55144"

如果文件名中可能有点，那么使用这个稍微复杂的模式：

sub("(.*)\\..*", "\\1", basename(x))
## [1] "125514_45147_55144"

Answer 2

我建议修复它

sub(".*/vp/([^/?]*?)\\.[^/?.]*(?:\\?.*)?$", "\\1", input)

见regex demo

细节

• .* - 尽可能多的0个字符
• /vp/ - 文字子串
• ([^/?]*?) - 第1组（其捕获的值由替换模式中的\1引用）：除/和?之外的任何0+字符，尽可能少
• \\. - 一个点
• [^/?.]* - 除了.，?和/以外的0个字符
• (?:\\?.*)? - 一个可选的子串匹配?然后尽可能多的0+字符
• $ - 字符串的结尾。

使用regmatches / regexec，模式变得更加清晰：

x <- "someurl.com/vp/125514_45147_55144.jpg?_nc25244"
regmatches(x,regexec("/vp/([^/?]*)\\.",x))[[1]][2]
## => [1] "125514_45147_55144"

见R demo

Answer 3

stringr替代方案

library( stringr )
str_match( "someurl.com/vp/125514_45147_55144.jpg?_nc25244", "^.*/(.*?)\\..*$" )[[2]]
#[1] "125514_45147_55144"

Answer 4

灵感来自@ G.Grothendieck的答案，使用dirname，basename和chartr的无正则表达式解决方案

x = 'someurl.com/vp/125514_45147_55144.jpg?_nc25244'
dirname(chartr(x = basename(x), ".", "/"))
# [1] "125514_45147_55144"

假设文件名中没有点。