Question

我正在使用数据集，其中有一个描述不同产品的列。在产品描述中也是产品的重量，这是我想要提取的。我的问题是有些产品是双包装的，这意味着描述以“2x”开头，而实际重量则在描述的末尾。例如：

x = '2x pet food brand 12kg'

我想做的是将它缩短到2x12kg。我不擅长在R中使用regexp，并希望有人在这里帮助我。

我尝试过以下方式使用gregexp执行此操作：

m <- gregexpr("(^[0-9]+x [0-9]+kg)", x)

不幸的是，这只给了我'10公斤'不包括'2x'

我很感激任何帮助。

编辑----

在解决了我的初始问题之后，我发现在不同格式的数据中有一些实例，我也想提取：

x = 'Pet food brand 15x85g'
# Should be:
x = '15x85g'

我试图在gsub中使用OR语句，例如：

m <- gsub('^([0-9]+x)?[^0-9]*([0-9.]+kg)|([0-9]+x)?[^0-9]*([0-9.]+g)', '\\1\\2', x)
#And
m <- gsub('^([0-9]+x)?[^0-9]*([0-9.]+(kg|g)), x)

虽然这仍然会提取公斤，但它只会删除带有克的实例并留下其余的字符串，例如：

x = 'Pet food brand    '

或者使用以下命令再次运行gsub：

m <- gsub('([0-9]+x[0-9]+g)', '\\1', x)

后一个选项根本不提取产品重量，只保留完整的字符串。

很抱歉没有注意到字符串之前的格式不同。再次，任何帮助将不胜感激。

Answer 1

您可以使用此正则表达式

m = gregexpr("([0-9]+x|[0-9.]+kg)", string, ignore.case = T)
result = regmatches(string, m)
r = paste0(unlist(result),collapse = "")

对于string = "2x pet food brand 12kg"，您获得"2x12kg"

如果千克有小数，这也有效：

对于string = "23x pet food 23.5Kg"，您获得"23x23.5Kg"

Answer 2

（编辑纠正@R.Schifini指出的错误）

你可以使用这样的正则表达式：

x <- '2x pet food brand 12kg'

gsub('^([0-9]+x)?[^0-9]*([0-9]+kg)', '\\1\\2', x)

## "2x12kg"

即使没有＆＃34; 2x＆＃34;这也可以减轻你的体重。在字符串的开头：

x <- 'pet food brand 12kg'

gsub('^([0-9]+x)?[^0-9]*([0-9]+kg)', '\\1\\2', x)

## "12kg"