Question

我想在字符串列中提取第一个点之前的字符。我可以使用下面的代码。虽然，代码似乎过于复杂，我不得不诉诸for-loop。有没有更简单的方法？我特别感兴趣的是regex解决方案。

请注意，查找每个字符串中的最后一个数字对我的实际数据不起作用，尽管这种方法适用于此示例。

感谢您的任何建议。

my.data <- read.table(text = '
     my.string  state
     .........    A
     1........    B
     112......    C
     11111....    D
     1111113..    E
     111111111    F
     111111111    G
', header = TRUE, stringsAsFactors = FALSE)

desired.result <- c(NA,1,2,1,3,NA,NA)

识别第一个点的位置：

my.data$first.dot <- apply(my.data, 1, function(x) {     
                                as.numeric(gregexpr("\\.", x['my.string'])[[1]])[1]
                          })

拆分字符串：

split.strings <- t(apply(my.data, 1, function(x) { (strsplit(x['my.string'], '')[[1]]) } ))

my.data$revised.first.dot <- ifelse(my.data$first.dot < 2, NA, my.data$first.dot-1)

提取第一个点之前的字符：

for(i in 1:nrow(my.data)) {
     my.data$character.before.dot[i] <- split.strings[i,my.data$revised.first.dot[i]]
}

my.data

#   my.string state first.dot revised.first.dot character.before.dot
# 1 .........     A         1                NA                 <NA>
# 2 1........     B         2                 1                    1
# 3 112......     C         4                 3                    2
# 4 11111....     D         6                 5                    1
# 5 1111113..     E         8                 7                    3
# 6 111111111     F        -1                NA                 <NA>
# 7 111111111     G        -1                NA                 <NA>

以下是相关帖子：

find location of character in string

Answer 1

使用以下正则表达式，不要忘记启用perl=TRUE参数。

^[^.]*?\K[^.](?=\.)

在R中，正则表达式就像，

^[^.]*?\\K[^.](?=\\.)

DEMO

> library(stringr)
> as.numeric(str_extract(my.data$my.string, perl("^[^.]*?\\K[^.](?=\\.)")))
[1] NA  1  2  1  3 NA NA

模式说明：

^断言我们刚开始。
[^.]*?任何角色的非贪婪匹配，直到第一个点。
\K丢弃之前匹配的字符。
[^.]我们要匹配的角色不能是一个点。
(?=\.)此字符必须后跟一个点。因此它匹配之前存在的字符到第一个点。

Answer 2

最简单的正则表达式是^([^.])+(?=\.)：

^      # Start of string
(      # Start of group 1
 [^.]  # Match any character except .
)+     # Repeat as many times as needed, overwriting the previous match
(?=\.) # Assert the next character is a .

测试live on regex101.com。

第1组的内容将是您想要的角色。我不是一个R家伙，但根据RegexBuddy，以下内容应该有效：

matches <- regexpr("^([^.])+(?=\\.)", my.data, perl=TRUE);
result <- attr(matches, "capture.start")[,1]
attr(result, "match.length") <- attr(matches, "capture.length")[,1]
regmatches(my.data, result)

Answer 3

在示例中，全部是digits和.

library(stringr)
as.numeric(str_extract(my.data$my.string, perl('\\d(?=\\.)')))
#[1] NA  1  2  1  3 NA NA

或使用stringi

library(stringi)
as.numeric(stri_extract(my.data$my.string, regex='\\d(?=\\.)'))
#[1] NA  1  2  1  3 NA NA

如果是general案例：

as.numeric(str_extract(my.data$my.string, perl('[^.](?=\\.)')))

Answer 4

[^.](?=\\.)

你可以这样做。参见演示。

https://regex101.com/r/qB0jV1/26

Answer 5

以下是ifelse的基本R解决方案：

res <- regexpr("[^.](?=\\.)", my.data$my.string, perl = TRUE)
ifelse(res < 1, NA, as.integer(regmatches(my.data$my.string, res)))
# [1] NA  2  1  3  1 NA NA

Answer 6

使用rex可能会使这类任务变得更简单。

my.data <- read.table(text = '
     my.string  state
     .........    A
     1........    B
     112......    C
     11111....    D
     1111113..    E
     111111111    F
     111111111    G
', header = TRUE, stringsAsFactors = FALSE)

library(rex)

re_matches(my.data$my.string,
  rex(capture(except(".")), "."))$'1'

#> [1] NA  "1" "2" "1" "3" NA  NA

提取字符串中第一个点之前的字符

6 个答案: