R如何根据特定单词的存在来提取部分文本

Question

我的数据集的

'size'列包含类似

的文本

row_1 =  "Small size From 3 mm long when unfed to 9 mm when fully engorged" 
row_2 =  "Tiny some microscopic Red mite only 0 4 mm diameter Worldwide many different"
row_3 = "Small spiders body length about 10 mm"

size = c(row_1, row_2, row_3)

如何提取新列中的数据，如“ new_size”所示，如下所示：

size_1 = '3mm, 9mm'
size_2 = '4mm'
size_3 = '10mm'

new_size = c(size_1, size_2, size_3)

我已经看到了子字符串方法，但是无法找出从每一行中不同文本中获取大小的方法。

Answer 1

尝试一下：

Numb_Extract <- function(string){
    unlist(regmatches(string,gregexpr("[[:digit:]]+\\.*[[:digit:]]*",string)))
   }
row_1 =  "Small size From 3 mm long when unfed to 9 mm when fully engorged" 
p<-as.numeric(Numb_Extract (row_1))
print(p)

Answer 2

使用regmatches/gregexpr。

regmatches(size, gregexpr("[[:digit:]]+[[:space:]]mm", size))
#[[1]]
#[1] "3 mm" "9 mm"
#
#[[2]]
#[1] "4 mm"
#
#[[3]]
#[1] "10 mm"

如果需要向量，请unlist结果。

size_n <- regmatches(size, gregexpr("[[:digit:]]+[[:space:]]mm", size))
unlist(size_n)
#[1] "3 mm"  "9 mm"  "4 mm"  "10 mm"