rのsubとgsubの正規表現の解析

Question

次のコード行の正規表現が何を意味しているのか理解できません。

author = "10_1 A Kumar; Ahmed Hemani ; Johnny &Ouml;berg<" 

# after some experiment, it looks like this line captures whatever is in 
# front of the underscore. 
authodid = sub("_.*","",author) 

# this line extracts the number after the underscore, but I don't know 
# how this is achieved 
paperno <- sub(".*_(\\w*)\\s.*", "\\1", author) 

# this line extracts the string after the numbers 
# I also have no idea how this is achieved through the code 
coauthor <- gsub("<","",sub("^.*?\\s","", author)) 

私は、第1引数がパターンであり、第2引数が置換であり、第3パラメータが操作対象であることをウェブから読み取っています。私はまた、SOのいくつかの投稿を見て、\\wが単語を意味し、\\sがスペースであることを知った。

しかし、いくつかのことはまだ不明です。 \\wは単語を意味し、次の単語を意味しますか？そうでない場合は、どのように解釈すればよいですか？私は^が文字列の先頭と一致することを知りましたが、^の後の期間はどうですか？

さらに重要なことは、_.*の解釈は何ですか.*_について^.*?\\sはどうですか？どうすればそれらを読むべきですか？

ありがとうございます！

Answer 1

かなりの数の質問があります。最初のものが最初に。

sub("_.*","",author)は、それ以降は_です。あなたのケースでは_.*は_1 A Kumar; Ahmed Hemani ; Johnny &Ouml;berg<に対応します。関数subを ''で再実行します（実際は削除します）ので、最終的には10になります。

sub(".*_(\\w*)\\s.*", "\\1", author)は（何らかの理由で）よりトリッキーです。それは何も抽出しません。コードをsub(".*_(\\w*)\\s.*", "222", author)に置き換えると、結果は222（1ではなく）になります。だから、あなたが2番目の議論に入れたものは、結果として得られます。なぜそう？さて、".*_(\\w*)\\s.*"は文字列全体に対応しているため、.*_は10_に対応します。 (\\w*)は1に対応し、最後に\\s.*はスペースとその後のすべて（つまり、残りの文字列）を意味します。

gsub("<","",sub("^.*?\\s","", author)) 2つの機能があります。最初の1つはsub("^.*?\\s","", author)です。それは最初から最後まですべてを見ます。したがって、^.*?\\sは10_1の略で、削除します。だから、A Kumar; Ahmed Hemani ; Johnny &Ouml;berg<になります。もう1つは「<」を削除します。

私はそれが役に立ちそうです。