Question

我正在尝试识别在R中某个子字符串之后出现的数字。

例如：

sa <- "100 dollars 200"

在上面的字符串中，为了找到单词dollar后面出现的数字，我执行以下代码：

str_match_all(sa,"(?<=dollars )\\d+")

我得到以下结果：

  [[1]]
     [,1] 
[1,] "200"

但是，当我使用以下输入时：

sa <- "100 dollars for 200 pesos"

我非常失败地将输出设为200。

Answer 1

您可以捕获 0或更多非数字后的数字。在此方面The str_match function differs from the str_extract`，它会保留所有捕获组值。

> sa<-"100 dollars for 200 pesos"
> str_match_all(sa,"dollars\\D*(\\d+)")
[[1]]
     [,1]              [,2] 
[1,] "dollars for 200" "200"

只需使用第二列中的值。

模式详情

dollars - 匹配dollars子字符串
\\D* - 除数字以外的零个或多个字符（它也匹配空格）
(\\d+) - 第1组：一个或多个数字。

要仅提取200值，您可以使用regmatches/regexpr：

sa<-c("100 dollars for 200 pesos", "100 dollars 200 pesos")
regmatches(sa, regexpr("dollars\\D*\\K\\d+", sa, perl=TRUE))
## => [1] "200" "200"

请参阅R demo。

<强>详情

dollars - 子字符串
\\D* - 数字以外的任何0 +字符
\\K - 匹配重置运算符
\\d+ - 一位或多位数。

.*作为前缀/后缀的相同模式可以与sub一起使用（不需要gsub，因为我们只需要一次搜索和替换操作：

sa<-c("100 dollars for 200 pesos", "100 dollars 200 pesos")
sub(".*dollars\\D*(\\d+).*", "\\1", sa)
## => [1] "200" "200"

请参阅yet another demo

Answer 2

另一种方法是简单地使用gsub()来获取您想要的数字。更具体地说，您可以定义一个模式，用于搜索“＆＃39;美元”之后的第一个数字。

# define the pattern
pat <- "^.*dollars.*?([0-9]+).*"

# example 1
str <- "100 dollars for 200 pesos"
gsub(pat, "\\1", str)
[1] "200"

# example 2
str <- " 100, actually 100.12 dollars for 200 pesos or 1000 dimes"
gsub(pat, "\\1", str)
[1] "200"

为了更好地解释模式：

^        >> from the beginning of the string...
.*       >> every character till... 
dollars  >> the substring 'dollars'...
.*?      >> and than any character until the first...
([0-9]+) >> number of any length, that is selected as group...
.*       >> and then everything else

当匹配此模式时，gsub()会将其替换为选为组的数字，这意味着在＆＃39; dollar＆＃39;之后的第一个数字。

在R中的特定模式之后的任何地方找到第一个数字

2 个答案: