R分裂问题中使用rebus的Regex？

Question

我有以下字符串模式：

Name_session_id:Owner:UUID，但有时它可能只是名称:Owner:UUID。

例如：

John_1:David:enfl43erl34r345

或

John:David:enfl43erl34r345

我希望使用stringr和rebus来构建如下所示的数据框架：

Name   Session   Owner   UUID
John   1         David   enfl43erl34r345
John   NA        David   enfl43erl34r345

请建议如何做到这一点，下面是我迄今为止对模式所做的工作：

capture(one_or_more(WRD)) %R% 
  optional("_") %R% 
  capture(optional(DGT)) %R% 
  ":" %R% 
  capture(one_or_more(WRD)) %R% 
  ":" %R% 
  capture(one_or_more(WRD))

Answer 1

问题在于第一个one_or_more(WRD)，它也匹配_，下面的_和\d?甚至没有尝试，因为\w+抓取了所有的字母、数字和下划线。

将第一个one_or_more(WRD)替换为one_or_more(ALNUM)，只捕获第1组中的1+字母或数字：

capture(one_or_more(ALNUM)) %R% 
  optional("_") %R% 
   capture(optional(DGT)) %R% 
    ":" %R% 
     capture(one_or_more(WRD)) %R% 
      ":" %R% 
       capture(one_or_more(WRD))

或者，让它懒得使用lazy(one_or_more(WRD))

capture(lazy(one_or_more(WRD))) %R% 
  optional("_") %R% 
   capture(optional(DGT)) %R% 
    ":" %R% 
     capture(one_or_more(WRD)) %R% 
      ":" %R% 
       capture(one_or_more(WRD))

但是，我认为你应该用

capture(one_or_more(ALNUM)) %R% 
  optional(
    group("_" %R% 
     capture(one_or_more(DGT)))) %R% 
      ":" %R% 
       capture(one_or_more(WRD)) %R% 
        ":" %R% 
         capture(one_or_more(WRD))

它将创建一个类似于([[:alnum:]]+)(?:_([\d]+))?:([\w]+):([\w]+)的正则表达式。也就是说，您可以使用_作为一个可选的字符，后面跟着一个可选的one_or_more(DGT)，您可以用一个可选的组包装这两个后续的模式，同时使其中的模式成为必需的。

Answer 2

玩一些正则表达式，您可以完全依赖于stringr::str_extract()

library(stringr)
data.frame(
  Name = str_extract(data, "^[^:_]+"),
  Session = str_extract(data, "(?<=_).*?(?=:)"),
  Owner = str_extract(data, "(?<=:).*(?=:)"),
  UUID = str_extract(data, "[^:]*$"),
  stringsAsFactors = FALSE
)

  Name Session Owner            UUID
1 John       1 David enfl43erl34r345
2 John    <NA> David enfl43erl34r345

Answer 3

不使用rebus，但是这里有一个基本的没有废话的方法：

数据：

df1 <-
data.frame(strings = c("John_1:David:enfl43erl34r345", "John:David:enfl43erl34r345"), stringsAsFactors = F)

代码：

fun1 <- function(x) {
    ans <- strsplit(x, "^[^:]+\\K_(?=\\d)", perl = T)
    ans <- lapply(ans, strsplit, ":")
    ans <- unlist(ans)
    if(length(ans) == 3) { ans <- append(ans, NA, 1) }
    return(ans)
}

result <- as.data.frame(t(apply(df1, 1, fun1)), stringsAsFactors = F)
names(result) = c("Name", "Session", "Owner", "UUID")

结果：

#  Name Session Owner            UUID
#1 John       1 David enfl43erl34r345
#2 John    <NA> David enfl43erl34r345