Question

所以我买了一本关于R和自动数据收集的书，其中一个例子让我感到困惑。

我有一个日期列的表格，其中包含看起来像这个“2001-”的数字。根据教程，下面的行将通过挑出前四位数字从日期中删除“ - ”：

yend_clean <- unlist(str_extract_all(danger_table$yend, "[[:digit:]]4$"))

当我运行此命令时，“yend_clean”只是设置为“character（empty）”。

如果我删除“4 $”，我会将所有日期拆分为原子，以便最初看起来像“1992”，“2003”的列表现在看起来像“1”，“9”等。

所以我怀疑“4 $”周围存在的问题。我找不到任何有关这方面的文档，可以帮助我找出正确的解决方案。

希望有人在这里指出我正确的方向。

Answer 1

这是一个正则表达式问题。你的正则表达式是错误的。使用：

unlist(str_extract_all("2003-", "^[[:digit:]]{4}"))

或等效

sub("^(\\d{4}).*", "\\1", "2003-")

如果真的想要删除＆＃34; - ＆＃34;

sub("-", "", "2003-")

正则表达式中的重复由{}参数控制。你错过了。另外$表示匹配字符串的结尾，因此您的表达式转换为：

匹配任何一个数字，后跟一个4，然后是字符串的结尾

当你删除＆＃34; 4＆＃34;时，模式变为＆＃34;匹配任何单个数字＆＃34;，这正是发生的事情（即你得到的每个数字分开匹配）。

我建议的模式反而说：

匹配字符串的开头（^），然后重复四次数字。

sub变体是一种非常常见的技术，我们创建一个匹配我们想要保留在括号中的模式，然后括号外的所有其他内容（.*匹配任何内容，任意数量的次）。然后我们用parens中的片段替换整个匹配（\\1表示括号中的第一个子表达式）。 \\d相当于[[:digit:]]。

Answer 2

如果您的意思是使用R 进行自动数据收集，那么代码可能是这样的：

yend_clean <- unlist(str_extract_all(danger_table$yend, "[[:digit:]]{4}[-]$"))
yend_clean <- unlist(str_extract_all(yend_clean, "^[[:digit:]]{4}"))

假设你有一个字符串，“1993-2007,2010-”，你想得到最后一年，即“2010”。第一行，即四位数字，短划线和结束，返回“2010-”，第二行返回“2010”。