Question

我没有太多使用正则表达式。我一直在编写代码来从R中的列名中提取数字。

列名：

c<- c("Variable182predict", "Variable123Target", "Timestamp", "TargetVariable")

我在R中使用以下函数来提取数字：

numbers<-gsub(pattern=".*e(\\d+).*","\\1", c)

幸运的是，我有数字，但有两个结果我在输出中无法理解：

"182" "123" "Timestamp" "TargetVariable"

我得到了提取数字背后的基本原理，但为什么它会给出最后两个列名称。这是我无法理解的。任何输入都将受到高度赞赏。感谢!!!

Answer 1

hrbrmstr和Jake Burkhead给出了解释：未匹配的内容未被替换。

由于最后两列不包含数字，因此不匹配（并替换）。

解决问题的方法是用一无所有的方式替换所有非数字的方法：

numbers<-gsub(pattern="\\D+","", c)

Answer 2

gsub()将获取向量，查找模式，在找到的位置替换它，并返回每个元素是否被替换。你可以使用这样的东西：

library(stringr)

c.names <- c("Variable182predict", "Variable123Target", "Timestamp", "TargetVariable")
as.numeric(na.omit(str_extract(c.names, "\\d+")))

将返回

## [1] 182 123

（我假设你只想要数字输出而没有别的东西）

stringr是一个非常方便的包，如果你做了大量的字符向量。

Answer 3

来自?gsub：

 Elements of character vectors ‘x’ which are not
 substituted will be returned unchanged

因此，如果正则表达式与其中一个输入元素不匹配，则它对该元素不起任何作用。输入向量的最后两个元素与模式不匹配，因为它们不包含e后跟一个或多个数字，因此它们不会被触及。

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，这里分别提取66和123个数字并使用gsub函数将它们粘贴在66123中

字符串提取：了解奇怪的输出

4 个答案: