Question

我正在抓取PDF数据，并尝试搜索长度为1或2的数字字符（1：9）。不幸的是，我在改变PDF位置后的取值使我无法简单地调用索引值并将其分配给变量。

我尝试了许多正则表达式函数，可以将数字从列表中删除，但似乎无法实现仅提取特定长度数字的参数。

# Data comes in as a long string
Test<-("82026-424 82026-424 1 CSX10 Store Room 75.74 75.74")

# Seperate data into individual pieces with str_split
Split_Test<-str_split(Test[1],"\\s+")

# We can easily unlist it with the following code (Not sure if needed)
Test_Unlisted<-unlist(Split_Test)

> Test_Unlisted
[1] "82026-424" "82026-424" "1"         "CSX10"     "Store"     "Room"      
[8] "75.74" "75.74"

我希望得到的结果是将“ 1”从字符列表中删除，然后如果该值为“ 20”，则也可以识别该字符。

我在代码中想到的最佳逻辑存在于下面，但这不起作用。

Test_Final<-str_match(Test_Unlisted, "\\d|\\d\\d")

使用此代码，我可以抓取任何length = 1的东西，但不能保证它是字符：

Test_Final<-which(sapply(Test_Unlisted, nchar)==1)

感谢所有帮助！

Answer 1

您需要使用

Test<-("82026-424 82026-424 1 CSX10 Store Room 75.74 75.74, 20")
regmatches(Test, gregexpr("\\b(?<!\\d\\.)\\d{1,2}\\b(?!\\.\\d)", Test, perl=TRUE))

请参见regex demo和regex demo。

详细信息

\b-单词边界
(?<!\d\.)-如果在当前位置的左侧紧挨着一个数字和一个点，则向后的否定查找将使匹配失败。
\d{1,2}-1或2位数字
\b-单词边界
(?!\.\d)-如果在当前位置的右侧紧邻有一个点和一个数字，则负匹配将使匹配失败。

请注意，由于该模式中使用了环顾四周，因此应将正则表达式传递给PCRE正则表达式引擎，因此需要perl=TRUE参数。

使用stringr（由ICU regex引擎提供动力），您可以使用

library(stringr)
str_extract_all(Test, "\\b(?<!\\d\\.)\\d{1,2}\\b(?!\\.\\d)")

从字符列表中提取长度为（1 | 2）的数字字符

1 个答案: