正则表达式，以找到包含空格和标点符号的精确匹配

Question

我正在浏览一个包含文本值(名称)的数据集，这些文本值(名称)的格式如下所示：

M.Joan (13-2)  
A.Alfred (20-13)  
F.O'Neil (12-231)  
D.Dan Fun (23-3)
T.Collins (51-82) J.Maddon (12-31)

有些字符串中有两个名称，如下

 M.Joan (13-2) A.Alfred (20-13)

我只想从字符串中提取名称。有些名字很容易提取，因为它们没有空格或任何东西。然而，有些人很难，因为他们有一个像上面最后一个一样的空间。

name_pattern = "[A-Z][.][^ (]{1,}"
base <- str_extract_all(baseball1$Managers, name_pattern)

当我使用此代码提取名称时，即使是带有空格或标点符号的名称，它也能很好地工作。但是，提取的名称在末尾有一个空格。我想知道是否能找到“("，空格和括号)的确切模式。

输出：

[[1]]
[1] "Z.Taylor "

[[2]]
[1] "Z.Taylor "

[[3]]
[1] "Z.Taylor "

[[4]]
[1] "Z.Taylor "

[[5]]
[1] "Y.Berra "

[[6]]
[1] "Y.Berra "

Answer 1

你可以用

x <- c("M.Joan (13-2) ", "A.Alfred (20-13)", "F.O'Neil (12-231)", "D.Dan Fun (23-3)", "T.Collins (51-82) J.Maddon (12-31)", "T.Hillman (12-34) and N.Yost (23-45)")
regmatches(x, gregexpr("\\p{Lu}.*?(?=\\s*\\()", x, perl=TRUE))

见regex演示

或者str_extract_all版本：

str_extract_all(baseball1$Managers, "\\p{Lu}.*?(?=\\s*\\()")

见regex演示。

相配

• \p{Lu} -大写字母
• .*? -除行中断字符以外的任何字符，尽可能少，直到第一次出现(但不包括在匹配中，因为(?=...)是一个不消耗的构造).
• (?=\\s*\\() -在当前位置的右侧，正向前瞻要求存在：
  • \\s* - 0+空白字符
  • \\( -一个字面上的(。

​