Gsub在R正则表达式中获取部分匹配的字符串？

Question

gsub('[a-zA-Z]+([0-9]{5})','\\1','htf84756.iuy')
[1] "84756.iuy"

我想得到84756，我该怎么办？

Answer 1

将gregexpr()与regmatches()一起使用的好处是只要求您的模式与您实际想要提取的位匹配：

string <- 'htf84756.iuy'
pat <- "(\\d){5}"

regmatches(string, gregexpr(pat, string))[[1]]
# [1] "84756"

（实际上，当提供的字符串可能包含多个匹配pat的子字符串时，这些函数会更有用。）

Answer 2

试试这个：

R> gsub('[a-zA-Z]+([0-9]{5}).*','\\1','htf84756.iuy')
[1] "84756"
R> 

您需要在“贪婪”正则表达式末尾添加.*才能在5位数之后终止它。

Answer 3

根据你的内容添加内容，这也可以起作用（比如Dirk的答案更好）：

gsub('[a-zA-Z]+([0-9]{5})\\.([a-zA-Z])+','\\1','htf84756.iuy')

如果您只想要数字字符串，这也可能有用：

gsub('[^0-9]','','htf84756.iuy')

Answer 4

使用stringr，您可以使用str_extract：

library(stringr)
str_extract("htf84756.iuy", "[0-9]+")