在提取带有或不带有空格和标点符号的子字符串时遇到的问题？

Question

我试图使用str_extract从文本字符串中提取 "Present"、"Retained "或 "Absent "等字样，并对空格和标点进行可变格式化。我的逻辑哪里出了问题？

test<-c("as follows: ABC Staining Present in Tissue","ABC: Retained in the tumor cells      ","as follows: ABC Staining is Absent ABC","as follows: ABC Staining is missing in Tissue","as follows: ABC:   StainingAbsent in Tissue","as follows: ABC:   Staining Present in Tissue","as follows ABC Staining Present ABC")
pattern<-"ABC[:\\s]*[STAINING\\s]*(.*?)(?=\\s*\\bIN|ABC\\b)"
str_match(toupper(test), pattern)[,2]

Answer 1

你可以使用 stringr::str_match:

test<-c("as follows: ABC Staining Absent in Tissue","as follows: ABC:   StainingPresent in Tissue","as follows: ABC:   Staining Present in Tissue","as follows ABC Staining Present in Tissue extra words here in Present")

library(stringr)
pattern<-"ABC[:\\s]*Staining[:\\s]*(.*?)(?=\\s*\\bin\\b)"
unique(str_match(test, pattern)[,2])
## => [1] "Absent"  "Present"

见 R演示在线 和 搜索引擎演示.

详情

• ABC - ABC 绳子
• [:\s]* - 0个或更多的冒号或空格。
• Staining - a Staining 绳子
• [:\s]* - 0个或更多的冒号或空格。
• (.*?) -第1组：除换行符外的任何零或多字符，尽量少用。
• (?=\s*\bin\b) - 正面看头，需要0个以上的空格，然后是一个完整的单词。in 紧靠当前位置的右侧。

Answer 2

这似乎是可行的。

str_extract(test, "(?<=Staining\\s{0,5})\\w+")
[1] "Absent"  "Present" "Present" "Present"

针对你的问题，你的逻辑有问题。你的逻辑似乎是正确的，尽管在我看来，你在模式中挤出了太多的非定义信息（例如，似乎没有必要在模式中加入 ABC 或积极的展望 (?=in)). 主要问题是 句法 的性质。看看你得到的错误。Look-Behind pattern matches must have a bounded maximum length. (U_REGEX_LOOK_BEHIND_LIMIT) 这个... *次或以上，也就是说，它是 不 边界长度的。量化与 {0,5}(或任何其他数字，而不是 5) 是 的有界最大长度，因此是可以接受的。