Question

我有一组要在数据框中检查的代码，如果它们存在，我想创建一列以指示TRUE或FALSE。

以OO，MM，AB，HIB，POL开头的字符串
后面最多5或9位数字

因此，我在数据资料库中拥有一些代码：OO14562，MM156789076，AB1234674，HIB00000，POL112310

数据帧在这里：

df<-structure(list(Codes = structure(c(5L, 4L, 1L, 3L, 7L, 8L, 2L, 
6L), .Label = c("AB1234674", "AB13", "HIB00000", "MM156789076", 
"OO14562", "POL1123", "POL112310", "TY543"), class = "factor")), .Names = "Codes", row.names = c(NA, 
-8L), class = "data.frame")

根据数据框，前5个应返回TRUE，后三个应为FALSE。

我的代码在这里

gsub([OO|MM|AB|HIB|POL[0-9]{5-9})

但这并不能带我去任何地方。

Answer 1

一个，我们需要使用括号而不是括号来分隔字母集。括号中的“匹配项之一”与管道配对时将无法预测。 [aa|bb|cc]实际上将与a，b，c或文字|相匹配，这不是您想要的行为。

二，我们将使用grepl，因为它返回逻辑向量，无需使用gsub。

三，要匹配的数量在花括号{ }中指定，但最小值和最大值由逗号而不是破折号分隔。

您也可以使用[0-9]代替\\d（任何数字），但为简洁起见，我喜欢\\d。

为了完整起见，我添加了^和$来匹配模式后字符串的开头和结尾。

这给我们：

df$check <- grepl("^(OO|MM|AB|HIB|POL)\\d{5,9}$", df$Codes)


        Codes check
1     OO14562  TRUE
2 MM156789076  TRUE
3   AB1234674  TRUE
4    HIB00000  TRUE
5   POL112310  TRUE
6       TY543 FALSE
7        AB13 FALSE
8     POL1123 FALSE

正则表达式检测R中的代码

1 个答案: