Question

寻找从我目前拥有的文字中删除街道地址的方法。是否有正则表达式可以检测数字范围内的文本？我在想的是我有一个邮政编码，通常是地址开头的数字。

1234 Parks St.，Los Angeles，CA 90001

我的主要问题是，当我进行其他清洁工作并在我的设置中查找其他字词时，我想从我的数据集中删除街道名称。

我正在使用Rstudio进行清洁。

Answer 1

返回一个字符向量。读取正则表达式，将其分为三个捕获组：parens：第一个是连续数字的任何计数，后跟任意数量的非数字，后跟5个数字。只返回第一个和第三个，中间有一个空格（如果匹配），如果不匹配则不做任何更改;

> gsub("([0-9]*)(\\D*)(\\d{5})", "\\1 \\3", test)
[1] "1234 90001" "9876 94501"

需要进一步解析才能返回一组数字向量

> scan( text=gsub("([0-9]*)(\\D*)(\\d{5})", "\\1 \\3", test), what=list("", "") )
Read 2 records
[[1]]
[1] "1234" "9876"

[[2]]
[1] "90001" "94501"

可能更好地将拉链作为字符读取（因为您需要保留前导零），但可以通过更改what列表类型将街道号码转换为数字：

> scan( text=gsub("([0-9]*)(\\D*)(\\d{5})", "\\1 \\3", test), what=list( numeric(), "") )
Read 2 records
[[1]]
[1] 1234 9876

[[2]]
[1] "90001" "94501"

使这更有用：

> setNames( data.frame( scan( text=gsub("([0-9]*)(\\D*)(\\d{5})", "\\1 \\3", test), 
                              what=list( numeric(), "") ) , 
                       stringsAsFactors=FALSE), 
            c( "StrtNumber", "ZIP") )
Read 2 records
  StrtNumber   ZIP
1       1234 90001
2       9876 94501

清理文本挖掘中的街道地址

1 个答案: