从刮取的数据中使用查找不起作用的正则表达式
从刮取的数据中使用查找不起作用的正则表达式
提问于 2020-05-30 19:47:10
我正在试图找出为什么我的regex命令工作，但另一个不能工作。新的行垃圾中有一致性，这是由于刮擦造成的，所以我尽可能地利用了这一点：
"\n\tMenghe a'Nyam\n\t\n\n \n\n \n\n \n\n \n Position:\n \n Forward\n\n\n\n 6-5, 215lb (196cm,
97kg) \n \n\n \n\n \n \n \n\n School: Canisius\n\n\n\n\n\n More player info\n\n\n\n\n\n"
"\n\tJordan Aaberg\n\t\n\n \n\n \n\n \n\n \n Position:\n \n Guard\n\n\n\n 6-9, 225lb (206cm,
102kg) \n \n\n Hometown: Rothsay, MN\n\n\n\n \n\n High School: Rothsay\n\n\n\n \n \n \n\n
School: North Dakota State\n\n\n\n\n\n More player info\n\n\n\n\n\n"我的目标是从这样的位置(前锋，后卫)和最重要的是，身高(6-5，6-9，分别)的数据。我成功地担任了以下职务：
test <- df %>%
mutate(position = str_extract(player, "(?<=Position:\n \n ).*?(?=\n\n\n\n \\d-\\d)")) 但是，当我按照类似的查找来添加另一个高值时，它返回NA：
test <- df %>%
mutate(position = str_extract(player, "(?<=Position:\n \n ).*?(?=\n\n\n\n \\d-\\d)")) %>%
mutate(height = str_extract(player, "(?<=\\w+\n\n\n\n ).*?(?=, \\d{3}lb)"))下面是上面对我的df的前3行调用的结果示例，如果有帮助的话：
structure(list(player = c("\n\tMenghe a'Nyam\n\t\n\n \n\n \n\n \n\n \n Position:\n \n Forward\n\n\n\n 6-5, 215lb (196cm, 97kg) \n \n\n \n\n \n \n \n\n School: Canisius\n\n\n\n\n\n More player info\n\n\n\n\n\n" ,
"\n\tJordan Aaberg\n\t\n\n \n\n \n\n \n\n \n Position:\n \n Forward\n\n\n\n 6-9, 225lb (206cm, 102kg) \n \n\n Hometown: Rothsay, MN\n\n\n\n \n\n High School: Rothsay\n\n\n\n \n \n \n\n School: North Dakota State\n\n\n\n\n\n More player info\n\n\n\n\n\n" ,
"\n\tKarl Aaker\n\t\n\n \n\n \n\n \n\n \n Position:\n \n Forward\n\n\n\n 6-5, 210lb (196cm, 95kg) \n \n\n Hometown: Reno, NV\n\n\n\n \n\n \n \n \n\n School: Portland\n\n\n\n\n\n More player info\n\n\n\n\n\n"
), position = c("Forward", "Forward", "Forward"), height = c(NA_character_,
NA_character_, NA_character_)), row.names = c(NA, 3L), class = "data.frame") 回答 2
Stack Overflow用户
回答已采纳
发布于 2020-05-30 21:11:54
您可以在+之后删除\w，因为ICU引擎不支持查找后面无限长的字符串匹配模式，并使用\s匹配任何空白空间：
test <- df %>%
mutate(position = str_extract(player, "(?<=Position:\n \n ).*?(?=\n\n\n\n \\d-\\d)")) %>%
mutate(height = str_extract(player, "(?<=\\w\n{4}\\s{2}).*?(?=,\\s+\\d{3}lb)"))详细信息
(?<=\w\n{4}\s{2})-在比赛开始前，应该有一个单词char，然后是4个换行符，然后是任意2个空格字符。.*?-除行中断字符以外的任何0或多个字符尽可能少(?=,\s+\d{3}lb)-比赛结束后，应该有一个逗号、一个或多个空格字符、3位数字和lb子字符串。
Stack Overflow用户
发布于 2020-05-30 20:50:47
下面是一种使用stringr和tidyr的方法。首先，我删除了所有的\n和\t，因为它们真的让我很烦。
test <- df %>%
mutate(player = str_replace_all(player, "\n|\r|\t", ""),
position = str_extract(player, "(?<=Position:).+(?=\\s\\d-\\d)"),
height = str_extract(player, "\\d-\\d?(?=,\\s\\d{3}lb)"))我们可以一步一步地做所有的突变。希望这能解决你的问题。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/62107864
复制相关文章
相似问题
腾讯云开发者
