如何在没有循环的情况下从数据框文本列中提取子字符串

Question

使用字符串I＆＃39; m的数据框尝试使用子字符串的位置构建新列。

当regexpr处理整个列时，我通过循环构建它。有没有更聪明的方法来构建没有循环的列？

abc <- "{\"left\":\"foo\",\"right\":\"no\"},\"answer\":\"left\",\"Id\":258}\""
abb <- "{\"left\":\"foo\",\"up\":\"no\"},\"answer\":\"updownupdwon\",\"Id\":258}\""
df <- data.frame(col=c(abb,abc))
df$pos <- regexpr( "Id\\\":(.*?)}",df$col)

我的最终目标是在不编写循环的情况下获取数值（此处为258）。

也许这是不可能的，我应该继续我的循环？

Answer 1

您可以使用

df$pos <- as.numeric(sub(".*Id\":(\\d+)}.*", "\\1", df$col))

请参阅regex online demo

模式详情

• .* - 任意0个字符，尽可能多
• Id\": - Id":子字符串
• (\d+) - 第1组（替换模式中称为\1）：一个或多个数字
• } - }字符
• .* - 任意0个字符，尽可能多（字符串末尾）

请参阅R online demo：

abc <- "{\"left\":\"foo\",\"right\":\"no\"},\"answer\":\"left\",\"Id\":258}\""
abb <- "{\"left\":\"foo\",\"up\":\"no\"},\"answer\":\"updownupdwon\",\"Id\":258}\""
df <- data.frame(col=c(abb,abc))
df$pos <- as.numeric(sub(".*Id\":(\\d+)}.*", "\\1", df$col))
df

结果：

                                                          col pos
1 {"left":"foo","up":"no"},"answer":"updownupdwon","Id":258}" 258
2      {"left":"foo","right":"no"},"answer":"left","Id":258}" 258