我的矢量中填充了以下格式的字符串：<year1><year2><id1><id2>
向量的第一个条目如下所示：
199719982001
199719982002
199719982003
199719982003
对于我们的第一个条目：year1 = 1997，year2 = 1998，id1 = 2，id2 = 001.
我想编写一个正则表达式，它将year1，id1和id2的数字拉出非零。所以对于第一个条目，正则表达式应输出：199721。
我尝试过使用stringr包，并创建了以下正则表达式：
"^\\d{4}|\\d{1}(?<=\\d{3}$)"
取出year1和id1，但是当使用lookbehind时，我得到一个“无效的正则表达式”错误。这对我来说有点令人费解，R不能处理前瞻和外观吗？
答案 0 :(得分：9)
您需要使用gregexpr包中的base。这有效：
> s <- "199719982001"
> gregexpr("^\\d{4}|\\d{1}(?<=\\d{3}$)",s,perl=TRUE)
[[1]]
[1] 1 12
attr(,"match.length")
[1] 4 1
attr(,"useBytes")
[1] TRUE
请注意perl=TRUE设置。有关详细信息，请查看?regex。
从输出结果来看，你的正则表达式不会捕获id1。
答案 1 :(得分：8)
由于这是固定格式，为什么不使用substr？ year1使用substr(s,1,4)提取，id1使用substr(s,9,9)提取，id2提取为as.numeric(substr(s,10,13))。在最后一种情况下，我使用as.numeric来消除零。
答案 2 :(得分：1)
您可以使用sub。
sub("^(.{4}).{4}(.{1}).*([1-9]{1,3})$","\\1\\2\\3",s)