Question

我有非结构化数据，如下所示：

x <- c("24-March-2017     text1       874874455221112  Text text text10",  
"25-March-2017         text2       54654656TEXT      Text text 11", 
"24-March-2017    text3         874874455221112 Text text text 12")

我想在第3列之前计算包括空格在内的字符数。例如，在第一行我想在数字874874455221112之前计算。

Answer 1

gregexpr是基本R regex函数，它返回有关字符串中多个匹配位置的信息。要提取它们，您需要使用regmatches，但由于gregexpr返回每个匹配的第一个字符的索引，您只需搜索非空格字符组\\S+，选择第三个索引，并减去一个以获得前面的字符数：

sapply(gregexpr('\\S+', x), `[`, 3) - 1
#> [1] 30 34 31

Answer 2

使用stringr库：

library(stringr)
str_length(str_extract(x,"^(\\S+\\s+){2}"))

Answer 3

以下是一些在R的基础上都使用regexpr的单行。没有使用包。

1）通常，您可以做出的假设越多，答案就越短。在这里我们得到一个非常紧凑的答案，假设你在你的意思问题中写文字。话。在这种情况下，第三个字段是第一个字段，它都以数字开头并以空格开头，因此要查找空格字符（“\\s"”）后跟数字（"\\d"）。

regexpr("\\s\\d", x)

，并提供：

[1] 30 34 31
attr(,"match.length")
[1] 2 2 2
attr(,"useBytes")
[1] TRUE

2）如果单词假设不是这样，那么第二个字段可以以数字开头，那么我们可以通过将第二个字段的第一个字符更改为一个非数字，x说，然后执行上述操作。在下面的代码中，"\\S"匹配任何非空白字符。这给出了与（1）相同的答案，除了它也适用于第二个字段以数字开头的情况。

regexpr("\\s\\d", sub("\\s\\S", " x", x))

3）另一种方法是匹配前两个字段和超出它们的空间。 regexpr将在"match.length"属性中返回所需的字符长度。

attr(regexpr("^(\\S+\\s+){2}", x), "match.length")
## [1] 30 34 31

注意：如果问题是阅读4个字段的部分答案，那么可以通过在字段之间插入逗号或其他特殊字符直接完成，然后使用{{1}读取结果}。我假设第3个字段都是数字，所以TEXT应该在第4个字段中，但是如果它应该在第3个字段中，那么在read.table中用"\\d"替换"\\S"

pat

，并提供：

pat <- "^(\\S+)\\s+(\\S+)\\s+(\\d+)\\s*(.*)"
read.table(text = sub(pat, "\\1,\\2,\\3,\\4", x), sep = ",", colClasses = "character")

如何计算非结构化数据中第三列之前的字符数（包括空格）？

3 个答案: