Question

当我尝试在R中获取数字部分时出现问题。例如，原始字符串为"buy 1000 shares of Google at 1100 GBP"

我需要分别提取份额（1000）和价格（1100）。此外，我需要提取股票的数量，该数量始终显示在"shares of"之后。

我知道sub和gsub可以替换字符串，但我应该使用哪些命令来提取字符串的一部分？

Answer 1

1）按顺序提取所有数字：

s <- "buy 1000 shares of Google at 1100 GBP"

library(gsubfn)
strapplyc(s, "[0-9.]+", simplify = as.numeric)

，并提供：

[1] 1000 1100

2）如果这些数字可以是任何顺序，但如果共享的数量总是后跟单词＆＃34; shares＆＃34;然后价格总是跟着英镑：

strapplyc(s, "(\\d+) shares", simplify = as.numeric) # 1000
strapplyc(s, "([0-9.]+) GBP", simplify = as.numeric) # 1100

返回字符串中与parens中正则表达式部分匹配的部分。

3）如果知道该字符串的格式为：Z GBP的X股，那么可以像这样提取X，Y和Z：

strapplyc(s, "(\\d+) shares of (.+) at ([0-9.]+) GBP", simplify = c)

ADDED 修改后的模式，允许使用数字或点。还添加了（3）以上和以下内容：

strapply(c(s, s), "[0-9.]+", as.numeric)
strapply(c(s, s), "[0-9.]+", as.numeric, simplify = rbind) # if ea has same no of matches

strapply(c(s, s), "(\\d+) shares", as.numeric, simplify = c)
strapply(c(s, s), "([0-9.]+) GBP", as.numeric, simplify = c)

strapplyc(c(s, s), "(\\d+) shares of (.+) at ([0-9.]+) GBP")
strapplyc(c(s, s), "(\\d+) shares of (.+) at ([0-9.]+) GBP", simplify = rbind)

Answer 2

您可以使用sub功能：

s <- "buy 1000 shares of Google at 1100 GBP"

# the number of shares
sub(".* (\\d+) shares.*", "\\1", s)
# [1] "1000"

# the stock
sub(".*shares of (\\w+) .*", "\\1", s)
# [1] "Google"

# the price
sub(".* at (\\d+) .*", "\\1", s)
# [1] "1100"

您还可以使用gregexpr和regmatches一次性提取所有子字符串：

regmatches(s, gregexpr("\\d+(?= shares)|(?<=shares of )\\w+|(?<= at )\\d+", 
                       s, perl = TRUE))
# [[1]]
# [1] "1000"   "Google" "1100"

Answer 3

我觉得有必要加入强制性的stringr解决方案。

library(stringr)

s <- "buy 1000 shares of Google at 1100 GBP"

str_match(s, "([0-9]+) shares")[2]
[1] "1000"

str_match(s, "([0-9]+) GBP")[2]
[1] "1100"

Answer 4

如果要从文本中提取所有数字，请使用stringi包中的此功能。

“Nd”是十进制数字的类。

    stri_extract_all_charclass(c(123,43,"66ala123","kot"),"\\p{Nd}")
[[1]]
[1] "123"

[[2]]
[1] "43"

[[3]]
[1] "66"  "123"

[[4]]
[1] NA

请注意，此处分别提取66和123个数字。

如何从R中的字符串中提取部分

4 个答案: