Question

我有一堆电子邮件主题行，我正在尝试提取是否存在一系列值。这就是我试图这样做的方法，但我没有得到我想要的结果：

library(stringi)

df1 <- data.frame(id = 1:5, string1 = NA)
df1$string1 <- c('15% off','25% off','35% off','45% off','55% off')

df1$pctOff10_20 <- stri_match_all_regex(df1$string1, '[10-20]%')


  id string1 pctOff10_20
1  1 15% off          NA
2  2 25% off          NA
3  3 35% off          NA
4  4 45% off          NA
5  5 55% off          NA

我想要这样的事情：

 id string1 pctOff10_20
1  1 15% off          1
2  2 25% off          0
3  3 35% off          0
4  4 45% off          0
5  5 55% off          0

Answer 1

这是要走的路，

df1$pctOff10_20 <- stri_count_regex(df1$string1, '^(1\\d|20)%')

<强>解释

^                        the beginning of the string
(                        group and capture to \1:
  1                        '1'
  \d                       digits (0-9)
 |                        OR
  20                       '20'
)                        end of \1
%                        '%'

Answer 2

gsubfn中的

1） strapply可以通过组合正则表达式（pattern=参数）和函数（FUN=参数）来实现。下面我们使用函数的公式表示。或者，我们可以使用data.table（或许多其他包）中的betweeen。这会将匹配提取到模式，将函数应用于它并返回结果，将其简化为向量（而不是列表）：

library(gsubfn)

btwn <- function(x, a, b) as.numeric(a <= as.numeric(x) & as.numeric(x) <= b)

transform(df1, pctOff10_20 = 
   strapply(
      X = string1, 
      pattern = "\\d+", 
      FUN = ~ btwn(x, 10, 20),
      simplify = TRUE
   )
)

2）使用上面定义的相同btwn函数的基础解决方案是：

transform(df1, pctOff10_20 = btwn(gsub("\\D", "", string1), 10, 20))

R正则表达式在字符串中查找范围

2 个答案: