R正则表达式识别特定字符串后的数字

Question

我发现以前的帖子不够灵活，无法适用于我的情况... Regular expression to get a number after particular string in R

我正在尝试做的是在对地址进行地理编码之前清理地址。 例如，我想删除所有邮政信箱信息。为了做到这一点，我需要能够识别暗示邮政信箱的字符串后面的数字。

df <- data.frame(Address = c("123 Fake street, Melbourne, 3000",
                       "PO box 2 123 Fake street, Melbourne, 3000", 
                       "PO box 22313 123 Fake street, Melbourne, 3000", 
                       "PObox 213 Unit 12 123 Fake street, Melbourne, 3000", 
                       "123 Fake street PO box 22313, Melbourne, 3000"))

df$Address <- as.character(df$Address)



> df
                                             Address
1                   123 Fake street, Melbourne, 3000
2          PO box 2 123 Fake street, Melbourne, 3000
3      PO box 22313 123 Fake street, Melbourne, 3000
4 PObox 213 Unit 12 123 Fake street, Melbourne, 3000
5      123 Fake street PO box 22313, Melbourne, 3000

我希望所有地址都返回为“123 Fake street, Melbourne, 3000”。

如你所见，

• 邮政信箱可以多种方式拼写
• 邮政信箱后面的数字长短不一
• 邮政信箱部分可以出现在字符串中的任何位置
• 字符串中还有其他数字（门牌号、单元号、邮政编码等）

Answer 1

gsub("( ){0,1}PO( ){0,1}box [0-9]+( Unit [0-9]+){0,1}( ){0,1}","",df$Address)

以你为例，这对我有用。

( ) 保留用于更简单的概念和阅读。