如何在符号和空格之间提取字符串？

Question

我正在尝试提取在文本聊天中标记的用户名，例如“@Jack @Marie Hi there！”

我试图在@和空格的组合上做到这一点，但我不能让正则表达式匹配非贪婪（或者至少这是我认为是错误的）：

library(stringr)
str_extract(string = '@This is what I want to extract', pattern = "(?<=@)(.*)(?=\\s+)")

[1] "This is what I want to"

我想提取的只是This。

Answer 1

你可以让你的正则表达式不贪婪：

(?<=@)(.*?)(?=\s+)

或者如果你想在@标志之后只捕获“This”，你可以像这样只使用正面的lookbehind：

(?<=@)\w+

说明

• 积极的背后(?<=
• 这说明背后的是@
• 关闭正面lookbehind )
• 匹配一个或多个单词字符\w+

Answer 2

正则表达式的中心部分（(.*)）是任何字符的序列。

相反，你应该寻找除了空格（\S+）或单词字符（\w+）之外的一系列字符。

另请注意，我将*更改为+，因为您可能对任何空的字符序列都不感兴趣。

要捕获源字符串中具有“最后”位置的名称，正则表达式的最后部分不仅应匹配空格字符序列，还应匹配字符串的结尾，因此将(?=\\s+)更改为(?=\\s+|$)。

最后一句话：实际上你不需要围绕“中心”部分的括号。

总而言之，整个正则表达式可以是这样的：

(?<=@)\w+(?=\s+|$)

（有全局选项）。

Answer 3

这是一种非正则表达式方法，或者说是一种最小正则表达式方法，因为grep通过正则表达式引擎检测@

grep('@', strsplit(x, ' ')[[1]], value = TRUE)
#[1] "@This"

或者为了避免使用strsplit，我们可以使用scan（取自this answer），即

grep('@', scan(textConnection(x), " "), value=TRUE)
#Read 7 items
#[1] "@This"