用于查找包含 space 和标点符号的精确匹配的正则表达式

Question

我正在浏览一个包含格式如下例的文本值（名称）的数据集：

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)

有些字符串有两个名字，比如

 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 spaces 或任何东西。然而有些很难，因为它们有一个 space 就像上面最后一个。

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，即使对于带有 space 或标点符号的名称，它也能很好地工作。但是，提取的名称末尾有一个 space。我想知道我是否能找到“(”、一个 space 和一个括号的确切模式。

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

您可以使用

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 demo

或str_extract_all版本：

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

参见regex demo。

匹配

\p{Lu} - 大写字母
.*? - 除了换行符之外的任何字符，尽可能少，直到第一次出现（但不包括在匹配中，因为 (?=...) 是一个非消耗性结构)...
(?=\s*\() - 正前瞻，紧靠当前位置的右侧，需要存在：
- \s* - 0+ 个空白字符
- \( - 文字 (.

用于查找包含 space 和标点符号的精确匹配的正则表达式

regular expression to find exact matching containing a space and a punctuation

regex

r

regex-negation

stringr