正则表达式在R中的特定字符串后得到一个数字

Question

我想提取特定字符串后面的数字。

如何使用正则表达式在R中执行此操作？

示例：在给定字符串中，如何在“year”之后提取2016年的数字。这些是发生年度和2016年组合的一些可能情况。

<p>Year:2016</p>
<p> year-2016 </p>
<p> year: 2016 </p>
<p>Year : 2016</p>
<p> year - 2016</p>
<p>YEAR : 2016</p>

Answer 1

使用gsub：

gsub(x = "year:-2016", pattern = "[^0-9]", replacement = "")

在这里你用一个空字符串替换除数字之外的所有内容。如果您需要一个号码，可以使用as.numeric功能。

Answer 2

通常，像这样的正则表达式匹配：year[^0-9]*[0-9]{4}

• 您需要为year设置不区分大小写的选项以匹配yEar等。
• 匹配单词[0-9]{4}后面的一组四个数字year。
• 除了year之外，还可以在[^0-9]*和四个数字之间设置任何其他字符。

因此，这将匹配您的所有测试用例。

<p>Year:2016</p>
<p> year-2016 </p>
<p> year: 2016 </p>
<p>Year : 2016</p>
<p> year - 2016</p>
<p>YEAR : 2016</p>

感谢@ MatthewLundberg关于无法简单捕获R 中的匹配部分的评论，可能的解决方案可能是先grep模式year[^0-9]*[0-9]{4}提取包含模式的字符串，然后仅提取[0-9]{4}模式。