regex 只提取字符串中与R中的正则表达式模式匹配的部分

kknvjkwl 于 2022-11-18 发布在其他

关注(0)|答案(3)|浏览(142)

我构建了一个从网页上自动抓取的数据框，其中一个变量是文本形式“May 12”中的日期。
然而，有时候观察结果会在日期之后附上一些字符（有时候是奇怪的字符），例如：“May 20 Other "，“Dez 1”，“Oct 12 ABCdáé"。对于这些情况，我希望将值替换为正确的字符，如：“12月24日”、“10月1日”。
在 * 谷歌 * 几次寻找解决方案并尝试以下功能后：sub，gsub和grep，我找不到正确的函数工作的方法。
我发现正则表达式的学习曲线很陡，但使用工具http://regexr.com/后，我可以定义正则表达式以匹配出现问题的观察中的模式。（[A-Z]{1}[a-z]{2}）\s\d+.*
这时，我举了下面的例子：

vector = c("May 20", "Dez 1", "Oct 12ABCdáé”)

我尝试的最后一个解决方案是：

dateformat = gsub(pattern = "([A-Z]{1}[a-z]{2})\\s\\d+.*", replacement = "([A-Z]{1}[a-z]{2})\\s\\d+", x = vector)

当然，这会在每个字符串上用文本字符串“（[A-Z]{1}[a-z]{2}）\s\d+”进行替换。

dateformat
[1] "([A-Z]{1}[a-z]{2})sd+" "([A-Z]{1}[a-z]{2})sd+"
[3] "([A-Z]{1}[a-z]{2})sd+"

我真的不明白我必须在替换参数中包括什么来删除坏字符，如果它们存在的话。

regex

来源：https://stackoverflow.com/questions/38923549/extract-just-the-part-of-string-that-matches-a-regex-pattern-in-r

3条答案

按热度按时间

9gm1akwq1#

我添加了一个捕获组和一个反向引用"\\1"：

sub("^([A-Z]{1}[a-z]{2}\\s\\d+).*", "\\1", vector)
[1] "May 20" "Dez 1"  "Oct 12"

replacement参数接受'\\1'之类的反向引用，但不是您使用的典型正则表达式模式。反向引用指的是您创建的模式和定义的捕获组。在本例中，我们的捕获组是缩写的month和day，我们用parenthetics(..)来概括。当"\\1"放置在取代参数中时，会传回这些括号内撷取的任何文字。
这个quick-start guide可能会有帮助

赞(0）回复(0）举报 2022-11-18

nbnkbykc2#

我们也可以试试

sub("\\s*[^0-9]+$", "", vector)
#[1] "May 20" "Dez 1"  "Oct 12"

赞(0）回复(0）举报 2022-11-18

6xfqseft3#

如果其他人对这些不同方法的性能感兴趣，这里有一个可重复的示例，将Pierre的方法与Akrun的方法进行比较。
这说明Akrun的方法更快：

library(microbenchmark)
set.seed(1234)

# Original poster's data
# vector <- c("May 20", "Dez 1", "Oct 12ABCdáé")

# Increased the size to 200 
vector <- sample(c("May 20", "Dez 1", "Oct 12ABCdáé"), 200L, replace = TRUE)

# Comparison of timings with 10000 repetitions
microbenchmark(
  pierre_l = sub("^([A-Z]{1}[a-z]{2}\\s\\d+).*", "\\1", vector),
  akrun = sub("\\s*[^0-9]+$", "", vector),
  times = 10000L
)
#> Unit: microseconds
#>      expr     min      lq     mean  median       uq     max neval
#>  pierre_l 164.201 169.201 233.5096 173.302 220.2515 17809.1 10000
#>     akrun 159.001 164.202 228.9020 168.200 212.7010 13443.5 10000

由reprex package（v2.0.1）于2022年3月24日创建

赞(0）回复(0）举报 2022-11-18

我来回答

regex 只提取字符串中与R中的正则表达式模式匹配的部分

3条答案

相关问题

热门标签

最新问答