R×stringr::str_match 一致した文字列の中から特定のグループだけを抽出する

by

R言語のstringrパッケージに含まれているstr_match()関数について解説します。この関数は、「正規表現にマッチする最初の部分を見つけ、さらにカッコ ( ) で指定したグループ（サブパターン）ごとに分解して抽出したい」ときに使える関数です。各データから最初の1箇所を抽出するのに便利です。

stringrパッケージは、文字列データを操作するための強力で便利な関数を多く取り扱っています。また、Rのデータサイエンス向け主要パッケージ群であるtidyverseパッケージにも含まれています。

目次

概要

str_match()は、一致した文字列の中から特定のグループだけを抽出するための関数です。名前なしの(パターン)キャプチャグループ、および名前付き(?パターン)キャプチャグループで定義された任意の数の一致を抽出します。デフォルトの演算の優先順位をオーバーライドする必要があり、結果をキャプチャしたくない場合は、非キャプチャグループ (?:パターン) を使用します。

使い方


str_match(string, pattern)

引数

string

文字ベクトルまたは文字ベクトルに変換可能なものを指定します。

pattern

正規表現を指定します。
パターンには少なくとも1つのキャプチャグループを含める必要があります。

戻り値

文字列/パターンの長さと同じ行数の文字行列を返します。
最初の列は完全な一致で、その後に各キャプチャグループごとに1列が続きます。「名前付きキャプチャグループ」を使用した場合(例: (?パターン))、列には名前が付けられます。

使用例

準備

あらかじめ、tidyverseパッケージまたはstringrパッケージを読み込んでおきます。


# library(tidyverse)でもよい
library(stringr)

一致した文字列の中から特定のグループだけを抽出する

文字列「あいうえお」と「かきくけこ」で、間に「う」が含まれる文字列に対して、最初と最後の一文字を出するには次のようにします。


str_match(c("あいうえお", "かきくけこ"), "^(.).*う.*(.)$")


     [,1]         [,2] [,3]
[1,] "あいうえお" "あ" "お"
[2,] NA           NA   NA

参考文献