R:删除字符串中定界符后的所有字母字符

Question

我想删除字符串中分隔符后面的所有字母(a-z)，例如：

s <- "abc-10abc"

所以为了得到：

> s2
[1] "abc-10"

我该怎么做？谢谢

Answer 1

gsub("(.*\\d).*", "\\1", s)

第一个模式参数使用()“捕获”一组字符。在捕获，我们正在寻找所有的外卡字符，直到一个数字的\\d。这个“捕捉”所有的东西，直到这里的最后一个数字。

由于模式参数还包括捕获组之后的多个通配符，所以整个原始字符串将被指定为替换对象。替换参数\\1说要使用第一个(在本例中仅限于)捕获模式参数中的表达式。

如果不清楚，请告诉我，这是我对R regex help https://www.cheatography.com/davechild/cheat-sheets/regular-expressions/的regex福音

正如Rich指出的那样，您可以用.*替换[a-z]*，只针对最后一个数字后面的字母和z。您可能也希望将参数ignore.case = TRUE添加到gsub()中，如果不是所有的情况都是小写的话：

gsub("(.*\\-\\d*)[a-z]*", "\\1", s, ignore.case = TRUE)

Answer 2

我不是regex专家，但我相信这符合你的模式。

gsub("(^.*-[^[:alpha:]]*)[[:alpha:]]*", "\\1", s)
#[1] "abc-10"

解释：

1. ^ -字符串的开头
2. ^.*字符串开头的任何字符，后面跟着0或更多的重复。
3. -与问题中的分隔符匹配。
4. [^[:alpha:]]*圆周虫否定类[:alpha:]，不匹配字母字符
5. (all of above)形成一个模式组，第一个(也是唯一的)
6. [[:alpha:]]*匹配字母字符，后面是零次或多次重复。

然后，在replacement参数中，\\1意味着用第一个组替换模式，因此[[:alpha:]]*部分被忽略了。