使用r regex

Question

如何删除字符串第一个数字之后的所有内容？

x <- c("Hubert 208 apt 1", "Mass Av 300, block 3")

在this question之后，我成功删除了第一个数字（包括第一个数字）之前的所有内容：

gsub( "^\\D*\\d+", "", x )
[1] " apt 1"    ", block 3"

但是所需的输出看起来像这样：

[1] "Hubert 208"     "Mass Av 300"
> 

Answer 1

在OP的当前代码中，进行较小的更改即可使其工作，即将匹配的模式作为一个组（(...)）捕获并替换为向后引用（\\1）

sub("^(\\D*\\d+).*", "\\1", x)
#[1] "Hubert 208"  "Mass Av 300"

此处，OP中的模式表示（"^\\D*\\d+"）-从字符串的开头（\\D*）开始的零个或多个不是数字（^）的字符，后跟一个或多个数字（\\d+），并用括号（(...)）将其捕获为一组。

此外，我们不需要gsub（全局替换），因为我们只需要匹配一个实例（从头开始）

Answer 2

另一种替代替换的方法是获取表达式并使用匹配项。

通过从字符串^的开头开始匹配，您的模式将一直匹配到第一个数字之后，而不是数字\D* 0+倍，然后是数字\d+的1+倍：< / p>

^\\D*\\d+

Regex demo

如果在perl = TRUE中使用sub，则可以使用\K来忘记匹配的内容。

然后您可以使用：

^\\D*\\d+\\K.*

Regex demo

在替换中，使用一个空字符串。

sub("^\\D*\\d+\\K.*", "", x, perl=TRUE)

Answer 3

此表达式可能会更安全

^\s*(.+?)([0-9]+)

Demo

Answer 4

您还可以将当前的正则表达式模式与stringr::str_extract一起使用：

x <- c("Hubert 208 apt 1", "Mass Av 300, block 3")
stringr::str_extract(x, "^\\D*\\d+")

[1] "Hubert 208"  "Mass Av 300"