Question

我很难想到使用R从字符串中删除部分的有效方法。我有正在读入R的文本数据。数据是HTML格式，如下所示：

dummy <- c("Blah Blah 10pt margins blah blah 11pt blah format 23pt real answer34")

我试图只隔离那个＆＃34; 34＆＃34;但是，由于所有的＆＃34; 10pt＆＃34;我不能简单地拔出数字。和＆＃34; 11pt＆＃34;和＆＃34; 23pt＆＃34; HTML格式。

我想做的是，对于我找到文本＆＃34; pt，＆＃34;的每个实例。删除＆＃34; pt＆＃34;前面的两个字符。如果我这样做，我可以得到：

newDummy <- c("Blah Blah pt margins blah blah pt blah format pt real answer34")

然后我可以从字符串库中通过str_extract_all(newDummy,"\\(?[0-9,.]+\\)?")得到34的答案。

问题在于我似乎无法有效地转动＆＃34;虚拟＆＃34;进入＆＃34; newDummy＆＃34; - 有没有人有一个整洁的解决方案？

谢谢！

Answer 1

您可以使用：

dummy <- c("Blah Blah 10pt margins blah blah 11pt blah format 23pt real answer34")
library(stringi)
stri_extract_all_regex(dummy,'\\d+?\\d(?!pt)')[[1]]
#[1] "34"

或

library(stringr)
str_extract_all(dummy, "\\b\\d+\\b")[[1]]
#[1] "34"

更新

dummy <- "10pt 11pt realanswer34"
stri_extract_all_regex(dummy,'\\d+?\\d(?!pt)')[[1]]
#[1] "34"

或使用str_extract_all

str_extract_all(dummy,perl('\\d+?\\d(?!pt)'))[[1]]
#[1] "34"

R，选择性地去除部分弦

1 个答案:

更新