我想展平从 HTML 表中提取的列表。下面给出了一个最小的工作示例。该示例取决于stringrR 中的包。第一个示例展示了所需的行为。
years <- c("2005-", "2003-")
unlist(str_extract_all(years,"[[:digit:]]{4}"))
[1] "2005" "2003"
当我尝试匹配一系列其他数字中的最后 4 位数字时，下面的示例会产生不希望的结果。
years1 <- c("2005-", "2003-", "1984-1992, 1996-")
unlist(str_extract_all(years1,"[[:digit:]]{4}$"))
character(0)
据我了解文档，我应该$在模式的末尾包含，以便在字符串的末尾请求匹配。我更愿意匹配第二个示例中的数字“2005”、“2003”和“1996”。
sub您可以很容易地为此使用base R ：
sub('.*(\\d{4}).*', '\\1', years1)
## [1] "2005" "2003" "1996"
这里要匹配的模式是.*（零个或多个任意字符）后跟\\d{4}（四个连续的数字，我们用括号括起来），后跟零个或多个字符。
sub用第二个参数中的值替换匹配的模式。在这种情况下，\\1表示我们想用第一个捕获的子字符串（即四个连续的数字）替换整个匹配的模式。
这里的正则表达式是贪婪的，所以它会绕过 的早期匹配\\d{4}，用.*. 仅捕获四个连续数字的最后一个序列。
该stringi包具有对字符串的特定部分进行操作的便捷函数。因此，您可以使用以下内容找到最后一次出现的四个连续数字。
library(stringi)
x <- c("2005-", "2003-", "1984-1992, 1996-")
stri_extract_last_regex(x, "\\d{4}")
# [1] "2005" "2003" "1996"
获得相同结果的其他方法是
stri_sub(x, stri_locate_last_regex(x, "\\d{4}"))
# [1] "2005" "2003" "1996"
## or, since these count as words
stri_extract_last_words(x)
# [1] "2005" "2003" "1996"
## or if you prefer a matrix result
stri_match_last_regex(x, "\\d{4}")
# [,1]
# [1,] "2005"
# [2,] "2003"
# [3,] "1996"
字符串$锚的结尾断言字符串末尾的位置。
说，匹配字符串末尾的四个数字。不幸的是，发生的情况是数字尝试匹配，然后正则表达式引擎前进尝试断言该位置并失败，因为没有在该位置并且连续回溯尝试匹配它们。
要解决此问题，您可以贪婪地消耗所有字符，直到最后一组数字。
years1 <- c('2005-', '2003-', '1984-1992, 1996-')
unlist(str_extract_all(years1, perl('.*\\K\\d{4}')))
# [1] "2005" "2003" "1996"