Question

我有一个包含页面路径的数据框列：

pagePath
/text/other_text/123-some_other_txet-4571/text.html
/text/other_text/another_txet/15-some_other_txet.html
/text/other_text/25189-some_other_txet/45112-text.html
/text/other_text/text/text/5418874-some_other_txet.html
/text/other_text/text/text/some_other_txet-4157/text.html

我想要做的是从/之后提取第一个数字，例如每行123。

为了解决这个问题，我尝试了以下方法：

 num = gsub("\\D"," ", mydata$pagePath) /*to delete all characters other than digits */

 num1 = gsub("\\s+"," ",num) /*to let only one space between numbers*/

 num2 = gsub("^\\s","",num1) /*to delete the first space in my string*/

 my_number = gsub( " .*$", "", num2 ) /*to select the first number on my string*/

我认为我想要的是什么，但我遇到了一些麻烦，特别是对于示例中最后一行的行：/text/other_text/text/text/some_other_txet-4157/text.html

所以，我真正想要的是在/之后提取第一个数字。

非常欢迎任何帮助。

Answer 1

您可以将以下正则表达式与gsub：

一起使用

"^(?:.*?/(\\d+))?.*$"

并替换为"\\1"。请参阅regex demo。

代码：

> s <- c("/text/other_text/123-some_other_txet-4571/text.html", "/text/other_text/another_txet/15-some_other_txet.html", "/text/other_text/25189-some_other_txet/45112-text.html", "/text/other_text/text/text/5418874-some_other_txet.html", "/text/other_text/text/text/some_other_txet-4157/text.html")
> gsub("^(?:.*?/(\\d+))?.*$", "\\1", s, perl=T)
[1] "123"     "15"      "25189"   "5418874" ""

正则表达式将可选地（使用(?:.*?/(\\d+))?子模式）匹配从开头到第一个/（带有.*?/）的一部分字符串，后跟一个或多个数字（捕获第1组中的数字，(\\d+)}，然后是字符串的其余部分，直到结尾（使用.*$）。

请注意，perl=T是必需的。

使用 stringr str_extract，您的代码和模式可以缩短为：

> str_extract(s, "(?<=/)\\d+")
[1] "123"     "15"      "25189"   "5418874" NA       
>

str_extract如果前面有/，则会提取前1个或多个数字（/本身不会作为匹配的一部分返回，因为它是 lookbehind 子模式，零宽度断言，不会将匹配的文本放入结果中。

Answer 2

试试这个

\/(\d+).*

Demo

输出：

MATCH 1
1.  [26-29] `123`
MATCH 2
1.  [91-93] `15`
MATCH 3
1.  [132-137]   `25189`
MATCH 4
1.  [197-204]   `5418874`

R正则表达式问题

2 个答案: