string - 提取R中混合数字和字符的字符串的数字部分

Question

我有很多字符串，每个字符串都倾向于具有以下格式：Ab_Cd-001234.txt 我想将其替换为001234. 我怎样才能在 R 中实现它？

Answer 1

stringr包为这种工作提供了许多方便的快捷方式：

# input data following @agstudy
data <-  c('Ab_Cd-001234.txt','Ab_Cd-001234.txt')

# load library
library(stringr)

# prepare regular expression
regexp <- "[[:digit:]]+"

# process string
str_extract(data, regexp)

Which gives the desired result:

  [1] "001234" "001234"

稍微解释一下正则表达式：

[[:digit:]]是 0 到 9 之间的任意数字

+表示前一项（在本例中为数字）将匹配一次或多次

这个页面对于这种字符串处理也非常有用：http ://en.wikibooks.org/wiki/R_Programming/Text_Processing

Answer 2

使用gsub或者sub你可以这样做：

 gsub('.*-([0-9]+).*','\\1','Ab_Cd-001234.txt')
"001234"

你可以regexpr使用regmatches

m <- gregexpr('[0-9]+','Ab_Cd-001234.txt')
regmatches('Ab_Cd-001234.txt',m)
"001234"

编辑这 2 种方法是矢量化的，适用于字符串向量。

x <- c('Ab_Cd-001234.txt','Ab_Cd-001234.txt')
sub('.*-([0-9]+).*','\\1',x)
"001234" "001234"

 m <- gregexpr('[0-9]+',x)
> regmatches(x,m)
[[1]]
[1] "001234"

[[2]]
[1] "001234"

Answer 3

您可以genXtract从 qdap 包中使用。这需要一个左字符串和一个右字符串并提取它们之间的元素。

library(qdap)
genXtract("Ab_Cd-001234.txt", "-", ".txt")

虽然我更喜欢 agstudy 的回答。

编辑扩展答案以匹配 agstudy 的：

x <- c('Ab_Cd-001234.txt','Ab_Cd-001234.txt')
genXtract(x, "-", ".txt")

# $`-  :  .txt1`
# [1] "001234"
# 
# $`-  :  .txt2`
# [1] "001234"

Answer 4

gsub 删除前缀和后缀：

gsub(".*-|\\.txt$", "", x)

工具包 使用file_path_sans_extfrom tools 删除扩展名，然后使用sub删除前缀：

library(tools)
sub(".*-", "", file_path_sans_ext(x))

strapplyc 提取点之后和之前的数字。有关更多信息，请参见gsubfn 主页：

library(gsubfn)
strapplyc(x, "-(\\d+)\\.", simplify = TRUE)

请注意，如果希望返回一个数字，我们可以使用strapply而不是strapplyc这样：

strapply(x, "-(\\d+)\\.", as.numeric, simplify = TRUE)

Answer 5

我添加了这个答案，因为无论您要清理的字符串中有哪些非数字字符，它都可以工作，并且因为 OP 说该字符串倾向于遵循格式“Ab_Cd-001234.txt”，我采用意味着允许变化。

请注意，此答案从字符串中获取所有数字字符并将它们保持在一起，因此如果字符串是“4_Ab_Cd_001234.txt”，您的结果将是“4001234”。

如果您想将解决方案指向您拥有的数据框中的列，

df$clean_column<-gsub("[^0-9]", "", df$dirty_column)

这与此处的答案非常相似： https ://stackoverflow.com/a/52729957/9731173 。

本质上，您对我的解决方案所做的是将任何非数字字符替换为“”，而我链接到的答案将替换任何非数字字符 - 或 .