“相反”结果的正则表达式

Question

取以下字符向量x

x <- c("1     Date in the form", "2     Number of game", 
       "3     Day of week", "4-5     Visiting team and league")

我想要的结果是下面的向量，每个字符串的第一个大写单词，如果字符串包含一个-，也是最后一个单词。

[1] "Date"     "Number"   "Day"      "Visiting" "league"  

所以不要做

unlist(sapply(strsplit(x, "[[:blank:]]+|, "), function(y){
   if(grepl("[-]", y[1])) c(y[2], tail(y,1)) else y[2] 
}))

为了得到结果，我想我可以尝试将它缩短为正则表达式。结果几乎是sub中这个正则表达式的“反面”。我试过每一种方法都可以得到相反的结果，其中包括不同种类的[^A-Za-z]+，但都没有成功。

> sub("[A-Z][a-z]+", "", x)
[1] "1      in the form"       "2      of game"           
[3] "3      of week"           "4-5      team and league"

所以我想这是两个部分的问题。

1. 使用sub()或gsub()，如何返回与"[A-Z][a-z]+"相反的
2. 我如何编写正则表达式来读“匹配第一个大写单词，如果字符串包含一个-__，也匹配最后一个单词”。

Answer 1

以下是一些建议：

1. 要使用sub提取第一个大写单词，可以使用 分(“.*\b(A.*？)\b.*”、“1”、x) #1“日期”“编号”“日”“来访” 其中\\b表示一个单词边界。
2. 您也可以使用一个sub命令提取所有单词，但请注意，您必须应用额外的步骤，因为sub返回的向量的长度与输入向量x的长度相同。 下面的正则表达式使用查找((?=.*-))来测试字符串中是否存在-。如果是这样的话，就会提取两个单词。如果不存在，则应用逻辑或(|)之后的正则表达式，并仅返回第一个大写单词。 .*\b(A-Z*\b).*\b(.+)$(？：*b(A*？)\b*)“”，"\1\2\3"，x，perl =真)#1“日期”“日期”“日”“来访联盟” 要将同一个字符串中的多个单词分隔开来，还需要一个额外的步骤： 取消列表(strsplit(res，“"，fixed = TRUE)) #1”日期“”编号“”日“”来访“”联赛“

Answer 2

下面是一个使用三个正则表达式的解决方案。

cap_words <- regmatches(x, regexpr("[A-Z][a-z]+", x))   # capitalised word
last_words <- sub(".*\\s", "", x[grep("-", x)]) # get last word in strings with a dash
c(cap_words, last_words)
# [1] "Date"     "Number"   "Day"      "Visiting" "league"