Question

我有此Identifier列

structure(list(Identifier = c("NC.1.OA", "NC.1.OA.0", "NC.1.OA.1", 
"NC.1.OA.1.a", "NC.1.OA.1.b", "NC.1.OA.1.c", "NC.1.OA.2", "NC.1.OA.2.0", 
"NC.1.OA.3", "NC.1.OA.4", "NC.1.OA.4.0", "NC.1.OA.9", "NC.1.OA.6", 
"NC.1.OA.6.a", "NC.1.OA.6.b", "NC.1.OA.6.c", "NC.1.OA.6.d", "NC.1.OA.6.e", 
"NC.1.OA.6.f", "NC.1.OA.6.f.0", "NC.1.OA.7", "NC.1.OA.8")), row.names = c(NA, 
-22L), class = c("tbl_df", "tbl", "data.frame"))

我想从此列中提取NC.1.OA。通常，这将提取从开始到第三个时段的所有内容，但是第一行会违反该规则，因为只有两个时段。

我尝试了gsub(".*\\.(.*)\\..*", "\\1", Identifier)，没有雪茄。

Answer 1

我们可以使用str_extract

library(tidyverse)
df %>% 
  mutate(new = str_extract(Identifier, "NC\\.1\\.OA"))

此外，如果我们使用的是sub（因为我们不需要全局替换，则不需要gsub），请使用位置标识符进行修复，以将字符串的开头（^）通知。在下面的模式中，我们匹配一个不是.（[^.]+）的字符，然后是.（[.]-点是一个元字符，因此我们进行了转义或将其放在方括号中以按字面值求值），然后再加上一个数字（\\d+），然后是.和不是点的字符（如前所述），作为一个组捕获（用方括号括起来）），并在替换中使用捕获组的后向引用（\\1）

sub("^([^.]+[.]\\d+[.][^.]+).*", "\\1", df$Identifier)
#[1] "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA"
#[12] "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA"

提取所有内容，直到第三段为止

1 个答案: