我有一个像
txt<-"text text text <div><div><script>xxxx</script></div><scrip>yyyyy</script>text </div><script>zzzzzz</script>"
我要删除所有脚本标签及其内容。
"text text text <div><div></div>text </div>"
我试过了
gsub("<script.*?>(.*)<\\/script>", "", txt)
您能否给我们提供一个很好的教程，以学习R的快速正则表达式
提前致谢
您第一次尝试贪婪点匹配注定要失败，因为贪婪匹配不能确保最短匹配（当然，懒惰也不能保证最短匹配），而这只会匹配中间所有必要的文本。
在采用了最新的尝试<script>[^</script>^<script>]+</script>也并不有效，[^</script>^<script>]+比其他1个或多个字母匹配<，/，s，c，r，i，p，t，>，^。显然，这不是您所需要的。
从问题本身抽象出来，可以使用正则表达式从文本中删除大块来处理任何纯文本文件。
当我们需要在一些不相同的标记（或定界符）之间匹配子字符串时，我们可以使用展开循环技术和支持先行的类似Perl的正则表达式。
以下是适用于任何大小的纯文本的工作代码：
txt<-"text text text <div><div><script>xxxx</script></div><script>yyyyy</script>text </div><script>zzzzzz</script>"
gsub("<script\\b[^<]*>[^<]*(?:<(?!/script>)[^<]*)*</script>", "", txt, perl=T)
## [1] "text text text <div><div></div>text </div>"
基本上，这符合：
<script\\b[^<]*>-任何<script>带有内部属性的开始标记（不是<不能出现在HTML属性中的标记，因此[^<]*比[^<>]*或使用更安全[^>]*）[^<]*(?:<(?!/script>)[^<]*)*-(?s).*?与任何文字匹配的展开结构，但</script></script>-结束</script>标签本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句