извлечение части пути с использованием суб

Question

Я пытаюсь извлечь имя файла из пути в r.В строке типа

someurl.com/vp/125514_45147_55144.jpg?_nc25244

я хочу извлечь 125514_45147_55144

Я использую следующее выражение:

 sub(".*vp/(.*?)/.*", "\\1", input) 

, которое работает, но также удаляет подчеркивания:

1255144514755144

Я не могу понять, как сохранить подчеркивание

Answer 1

Вдохновленный ответом @ G.Grothendieck, решения без регулярных выражений, использующего dirname, basename и chartr

x = 'someurl.com/vp/125514_45147_55144.jpg?_nc25244'
dirname(chartr(x = basename(x), ".", "/"))
# [1] "125514_45147_55144"

Предполагая, что в имени файла нет точки.

Answer 2

stringr альтернатива

library( stringr )
str_match( "someurl.com/vp/125514_45147_55144.jpg?_nc25244", "^.*/(.*?)\\..*$" )[[2]]
#[1] "125514_45147_55144"

Answer 3

Удалить точку и все после нее базового имени:

sub("\\..*", "", basename(x))
## [1] "125514_45147_55144"

Если возможно, что в имени файла есть точки, используйте этот немного более сложный шаблон:

sub("(.*)\\..*", "\\1", basename(x))
## [1] "125514_45147_55144"

Answer 4

Я предлагаю исправить это как

sub(".*/vp/([^/?]*?)\\.[^/?.]*(?:\\?.*)?$", "\\1", input)

См. Демоверсию regex

Подробности

• .* - любые 0+ символов как можно больше
• /vp/ - литеральная подстрока
• ([^/?]*?) - группа 1 (на его захваченное значение ссылается \1 из шаблона замены): любые 0+ символов, кроме / и ?, как можно меньше
• \\. - точка
• [^/?.]* - 0+ символов, кроме ., ? и /
• (?:\\?.*)? - необязательная подстрока, соответствующая ?, а затем любые 0+ символов, как можно больше
• $ - конец строки.

При regmatches / regexec рисунок становится намного более четким:

x <- "someurl.com/vp/125514_45147_55144.jpg?_nc25244"
regmatches(x,regexec("/vp/([^/?]*)\\.",x))[[1]][2]
## => [1] "125514_45147_55144"

См. Демонстрационную версию R