从Sparklyr中的字符串中提取十进制数字

Question

我一直在尝试从sparklyr中的字符串中提取十进制数字，但是它不适用于通常在Spark之外使用的常规语法。

我尝试使用regexp_extract，但它返回空字符串。

regexp_extract($170.5M, "[[:digit:]]+\\.*[[:digit:]]*")

我试图得到170.5。

Answer 1

您可以从基数R使用regexpr

v <- "$170.5M"
regmatches(v, regexpr("\\d*\\.\\d", v))
# [1] "170.5"

Answer 2

您可以使用

regexp_extract(col_value, "[0-9]+(?:[.][0-9]+)?")

或

regexp_extract(col_value, "\\p{Digit}+(?:\\.\\p{Digit}+)?")

您的[[:digit:]]+\.*[[:digit:]]*正则表达式不起作用，因为regexp_extract需要Java兼容的正则表达式模式，并且该引擎不支持[:classname:]语法中的POSIX字符类。您可以使用digit之类的\p{Digit} POSIX字符类，请参见Java regex documentation。

请参见regexp_extract documentation：

  

从指定的字符串列中提取由Java正则表达式标识的特定（idx）组。