Question

我知道这是一个regex问题，可能已经回答了，但是我无法弄清楚这个特定问题的答案。我有5000个地址的数据集，其中一些地址表示为：

199 REEDSDALE ROAD MILTON, MA (42.252352, -71.075213)
2014 WASHINGTON STREET NEWTON, MA (42.332339, -71.246592)
75 FRANCIS STREET BOSTON, MA (42.335954, -71.107661)
235 NORTH PEARL STREET BROCKTON, MA (42.09707, -71.065645)
41 HIGHLAND AVENUE WINCHESTER, MA (42.465496, -71.121408)

第一个逗号是地址城市与州的分隔，但也包含纬度和经度坐标。我有兴趣将坐标分为两列，纬度和经度为

lat        lon
42.252352  -71.075213
42.332339  -71.246592
42.335954  -71.107661
42.09707   -71.065645
42.465496  -71.121408

任何帮助，我们将不胜感激！

Answer 1

一种选择是使用正则表达式环视来提取数字部分

library(tidyverse)
data_frame(lat = str_extract(lines, "(?<=\\()-?[0-9.]+"), 
           lon = str_extract(lines, "-?[0-9.]+(?=\\))"))
# A tibble: 5 x 2
#  lat       lon       
#  <chr>     <chr>     
#1 42.252352 -71.075213
#2 42.332339 -71.246592
#3 42.335954 -71.107661
#4 42.09707  -71.065645
#5 42.465496 -71.121408

或者使用read.csv，然后删除字符，直到(，包括{{1}在内的(和)（最后），使{ {1}}作为gsub的分隔符，分为两列

数据

read.csv

正则表达式，根据标点R分开？

1 个答案:

数据