如何通过使用REGEX

Question

我有一个名为 VEC 的字符串向量（> 100K元素），我想从中提取数据以形成数据帧;样本元素如下：

VEC[1]

"today's performance: SW= 33.9; west =13.85 East=70.09 and the north central =125.823, S.S. = 41.5"

VEC[2]

"sent as received South= 28.76  while the West =44.55, SouthEast=64.32;  north-east =130;  south west = 38.86"

...

我希望输出为：

列名不必像我指定的那样，但为了正确定义变量，应该是同类的。

我用下面的数字来匹配数字;我需要帮助才能使用适当的标题将它们映射到右侧列。

m <- gregexpr("[[:digit:]]+\\.*[[:digit:]]*", VEC, perl=TRUE)
regmatches(VEC, m)

Answer 1

你知道所有的替代拼写，例如SW对西南吗？对我来说，这似乎非常重要，因为位置不合适。如果是这样，也许你可以这样做：

pat <- "SW|south west" #alternate spellings
i <- regmatches(VEC,regexec(pat,VEC)) # find them per string
i[lengths(i) == 0] <- NA_character_ # convert zeros to nas
i <- unlist(i)
f <- function(x) gsub(paste0(".*?(?<=",i[x],")\\D+(\\d+\\.?\\d*).*"),"\\1",VEC[x],perl = T) # some regex function to extract numbers after string occurence
SW <- sapply(seq_along(VEC),f) # extract

> SW
[1] "33.9"  "38.86"

对每列重复

可能需要调整函数以适应nas，也许需要包含在ifelse()

中