Question

我的字符列的值为"CHELSEAFC17FEB640CE"，"BARCAFC17FEB1400CE"。我想提取字符"CHELSEAFC"，"BARCAFC"等等。目前我正在使用 regmatches(x$symbol,regexpr("[A-z]+",x$symbol)) 但得到一个错误：

$<-.data.frame（*tmp*，“cg”，值= c（“CHELSEAFC”， “CHELSEAFC”，“TOTTENHAMFC”，：替换有11366767行，数据有11366772电话：$＆lt; - - ＆gt; $＆lt; - .data.frame执行暂停

我似乎无法找到问题行。请有人帮忙调试或建议更好的方法：）

Answer 1

假设我们需要提取非数字部分，一个选项是通过匹配一个或多个数字（[0-9]+）后跟其他字符（.*）来删除其他字符并替换它与""

sub("[0-9]+.*", "", str1)
#[1] "CHELSEAFC" "BARCAFC"

或者从字符串的开头（([A-Z]+)）将大写字母作为一组（^）捕获，并将其替换为该组的反向引用（\\1）

sub("^([A-Z]+).*", "\\1", str1)
#[1] "CHELSEAFC" "BARCAFC"

数据

str1 <- c( "CHELSEAFC17FEB640CE", "BARCAFC17FEB1400CE")

Answer 2

而不是[A-z]+您应该使用^[A-Za-z]+检查一下，以便更好地了解您为什么不应该这样做：https://stackoverflow.com/a/29771926/4082217

Answer 3

出现错误是因为输入向量中有一些不包含字母的值（以及一些symbols that [A-z] matches）。这使得regmatches在没有匹配的情况下不返回任何值，因此，由于匹配数与数据框中的行数不一致，因此无法分配列值。

您可能会做的是：

1）使用sub

x <- c("------", "CHELSEAFC17FEB640CE", "BARCAFC17FEB1400CE")
> sub("^([a-zA-Z]+).*|.*", "\\1", df$x)
[1] ""          "CHELSEAFC" "BARCAFC" 
> 
x$symbol <- sub("^([a-zA-Z]+).*|.*", "\\1", x$symbol)

^([a-zA-Z]+).*|.*模式将匹配并捕获一个或多个ASCII字母（将[a-zA-Z]+替换为[[:alpha:]]+以匹配ASCII以外的字母）在字符串的开头（{{ 1}}），^将匹配字符串的其余部分，OR（.*）整个字符串将与第二个分支匹配，匹配将被捕获组内容替换（所以，它将填充字母值或将为空。）

2）如果您想为不匹配的值保留NA，请使用 stringr |：

str_extract

请注意，library(stringr) > x$symbol <- str_extract(x$symbol, "^[A-Za-z]+") ## => 1 <NA> ## 2 CHELSEAFC ## 3 BARCAFC仅匹配字符串开头的1 + ASCII字母（^[A-Za-z]+）（[A-Za-z]+）。

如何在R中提取字符串中第一次出现的字母？

3 个答案:

数据