从R中的字符串中提取数字和文本
从R中的字符串中提取数字和文本
提问于 2016-06-18 23:57:23
我有一个字符串，想要提取第一组的三个数字和任意三个字母旁边的每个数字，然后放入一个向量。所以这个：
t1 <- "The string contains numbers ranging from 3-4 cm and can reach up to 5.6 m long, and sometimes can even reach 10 m."t1将成为：
"3-4 cm", "5.6 m", "10m"我查找了各种正则表达式函数，如grep、grepl等，但找不到与我的查询相匹配的示例。有什么建议吗？
回答 2
Stack Overflow用户
发布于 2016-06-19 00:05:18
您可以尝试这个正则表达式[0-9.-]+\\s+[a-zA-z]{1,3}，并使用stringr包中的str_extract_all提取它们：
stringr::str_extract_all(t1, "[0-9.-]+\\s+[a-zA-Z]{1,3}")
[[1]]
[1] "3-4 cm" "5.6 m" "10 m"Stack Overflow用户
发布于 2016-06-19 00:27:20
下面是如何使用gregexpr()+regmatches()来完成这一任务
ipartRE <- '\\d+';
fpartRE <- '\\.\\d+';
numRE <- paste0(ipartRE,'(?:',fpartRE,')?');
rangeRE <- paste0(numRE,'(?:\\s*-\\s*',numRE,')?');
pat <- paste0(rangeRE,'\\s*[a-zA-Z]{1,3}\\b');
regmatches(t1,gregexpr(perl=T,pat,t1))[[1L]];
## [1] "3-4 cm" "5.6 m" "10 m"为了提高人的可读性，我从组件部分逐步构建了regex，但显然不需要这样做。
为了匹配新的模式，我们需要接受第二个数字的替换，它在数字周围使用匹配的括号。我还发现，120(–150) cm中的破折号不是普通的ASCII连字符，而是一个恩达什，因此我添加了另一个名为dashRE的预先计算的正则表达式片段，它匹配所有3种常见的破折号类型(ASCII、en dash和埃姆达什)：
ipartRE <- '\\d+';
fpartRE <- '\\.\\d+';
numRE <- paste0(ipartRE,'(?:',fpartRE,')?');
dashRE <- '[—–-]';
rangeOptParenRE <- paste0(numRE,'(?:\\s*(?:',dashRE,'\\s*',numRE,'|\\(\\s*',dashRE,'\\s*',numRE,'\\s*\\)\\s*))?');
pat <- paste0(rangeOptParenRE,'\\s*[a-zA-Z]{1,3}\\b');
regmatches(t1,gregexpr(perl=T,pat,t1))[[1L]];
## [1] "3-4 cm" "120(–150) cm" "5.6 m" "10 m"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/37902675
复制相关文章
相似问题
腾讯云开发者
