Início / coding / Perguntas / 79067685
Accepted
deschen
Asked: 2024-10-09 04:22:16 +0800 CST

Remover toda a sequência de caracteres após e incluindo a enésima ocorrência em um texto

  • 772

Admito que essas perguntas sobre regex já foram feitas antes, mas ainda estou com dificuldades para encontrar uma solução funcional (mesmo depois de consultar o ChatGPT).

Tomando o seguinte exemplo: text <- c("test1", "test2 | ", "test3 | test3 | test 3", "test4 | test4 | test 4 | test4")quero remover todo o texto que começa na n-ésima (no meu caso, a segunda) ocorrência de " | ".

Então a saída deve ser:output <- c("test1", "test2 | ", "test3 | test3", "test4 | test4")

Consegui fazer funcionar quando há até dois textos " | " com str_remove(text, "( \\| [^\\|]+$)"), mas isso não se generaliza para casos com mais de duas ocorrências desse padrão correspondente.

3 respostas

  1. Uma solução pode ser extrair a string de interesse em vez de remover as partes indesejadas. Para isso, você pode usar uma expressão regular que corresponda aos três casos de interesse, em ordem decrescente de comprimento: [:graph:]+ \\| [:graph:]+, [:graph:]+ \\|ou [:graph:]+.

    library(stringr)
str_extract(text, "^([:graph:]+ \\| [:graph:]+|[:graph:]+ \\||[:graph:]+)")
[1] "test1"         "test2 |"       "test3 | test3" "test4 | test4"
    • 1
  2. Best Answer

    Você pode usar

    library(stringr)
n <- 2
str_replace(text, paste0("^(.*?(?: \\| .*?){", n-1, "}) \\| .*"), "\\1")

    onde

    • \| é seu delimitador
    • .*?corresponde a qualquer texto (exceto caracteres de quebra de linha, adicione (?s)no início do padrão para que ele corresponda em todas as linhas)
    • str_replaceé necessário manter o primeiro valor do grupo após remover o valor da correspondência.

    Veja a demonstração do R online (e aqui está a demonstração do regex resultante ).

    • 1

  3. Outra ideia é usar a função base R subcom esse padrão.

    output <- sub('^([^|]*\\|[^|]*?)\\s*\\|.*', '\\1', text)

    Veja esta demonstração em regex101 ou uma demonstração R em tio.run

    A parte desejada é capturada pelo primeiro grupo que também é usado como substituição . .*consome o resto da string (será removido). Entre os símbolos de pipe uma classe de caracteres negada caracteres diferentes de |. O lazy [^|]*? before \s*|é usado para evitar que termine em um espaço em branco.

    Para ajustá-lo à enésima ocorrência, substitua [^|]*\\|por (?:[^|]*\\|){n}( regex101 demo com n=2 ). Se isso não funcionar devido à falta de suporte para quantificadores preguiçosos (demo funciona), anexe,perl=T .

    • 1

relate perguntas