我正在尝试从字符串中提取一个数字。
然后在字符串"aaa12xxx" 上执行类似[0-9]+ 的操作，然后得到"12"。
我以为会是这样的：
> grep("[0-9]+", "aaa12xxx", value=TRUE)
[1] "aaa12xxx"
然后我想...
> sub("[0-9]+", "\\1", "aaa12xxx")
[1] "aaaxxx"
但我得到了某种形式的回应：
> sub("[0-9]+", "ARGH!", "aaa12xxx")
[1] "aaaARGH!xxx"
我遗漏了一个小细节。
【问题讨论】：
使用新的 stringr 包，它包装了所有现有的正则表达式，以一致的语法运行，并添加了一些缺失的内容：
library(stringr)
str_locate("aaa12xxx", "[0-9]+")
# start end
# [1,] 4 5
str_extract("aaa12xxx", "[0-9]+")
# [1] "12"
【讨论】：
?str_extract 时，我看到了str_extract_all，生活又美好了。
说“忽略标准函数”可能有点草率——?gsub 的帮助文件甚至在“另见”中特别提到：
‘regmatches’用于根据结果提取匹配的子字符串 “regexpr”、“gregexpr”和“regexec”。
所以这会起作用，而且相当简单：
txt <- "aaa12xxx"
regmatches(txt,regexpr("[0-9]+",txt))
#[1] "12"
【讨论】：
regmatches(x, gregexpr("[0-9]+", x)) - like sub 代表一个替换，gsub 代表所有替换，regexpr 找到一个结果，而gregexpr 找到所有结果。跨度>
对于您的具体情况，您可以删除所有非数字：
gsub("[^0-9]", "", "aaa12xxxx")
# [1] "12"
它不适用于更复杂的情况
gsub("[^0-9]", "", "aaa12xxxx34")
# [1] "1234"
【讨论】：
您可以使用 PERL 正则表达式的惰性匹配：
> sub(".*?([0-9]+).*", "\\1", "aaa12xx99",perl=TRUE)
[1] "12"
在这种情况下，尝试替换非数字会导致错误。
【讨论】：
在正则表达式中使用捕获括号并在替换中使用组引用。括号中的任何内容都会被记住。然后它们被第一项 \2 访问。第一个反斜杠在 R 中转义了反斜杠的解释，以便将其传递给正则表达式解析器。
gsub('([[:alpha:]]+)([0-9]+)([[:alpha:]]+)', '\\2', "aaa12xxx")
【讨论】：
一种方法是这样的：
test <- regexpr("[0-9]+","aaa12456xxx")
现在，请注意 regexpr 为您提供字符串的开始和结束索引：
> test
[1] 4
attr(,"match.length")
[1] 5
所以你可以将这些信息与 substr 函数一起使用
substr("aaa12456xxx",test,test+attr(test,"match.length")-1)
我确信有一种更优雅的方法可以做到这一点，但这是我能找到的最快的方法。或者，您可以使用 sub/gsub 删除您不想留下的东西，留下您想要的东西。
【讨论】：
这些方法之间的一个重要区别是任何不匹配的行为。例如，如果不是所有位置都匹配，则 regmatches 方法可能不会返回与输入长度相同的字符串
> txt <- c("aaa12xxx","xyz")
> regmatches(txt,regexpr("[0-9]+",txt)) # could cause problems
[1] "12"
> gsub("[^0-9]", "", txt)
[1] "12" ""
> str_extract(txt, "[0-9]+")
[1] "12" NA
【讨论】：
这个问题的解决方案
library(stringr)
str_extract_all("aaa12xxx", regex("[[:digit:]]{1,}"))
# [[1]]
# [1] "12"
[[:digit:]]：数字[0-9]
{1,}：至少匹配 1 次
【讨论】：
在 gsubfn 包中使用 strapply。 strapply 和 apply 一样，args 是对象、修饰符和函数，只是对象是字符串向量（而不是数组），修饰符是正则表达式（而不是边距）：
library(gsubfn)
x <- c("xy13", "ab 12 cd 34 xy")
strapply(x, "\\d+", as.numeric)
# list(13, c(12, 34))
这表示匹配 x 的每个组件中的一个或多个数字 (\d+)，通过 as.numeric 传递每个匹配项。它返回一个列表，其分量是 x 的各个分量的匹配向量。查看 at 输出，我们看到 x 的第一个分量有一个匹配项，即 13，而 x 的第二个分量有两个匹配项，即 12 和 34。有关详细信息，请参阅 http://gsubfn.googlecode.com。
【讨论】：
另一种解决方案：
temp = regexpr('\\d', "aaa12xxx");
substr("aaa12xxx", temp[1], temp[1]+attr(temp,"match.length")[1])
【讨论】：
使用包 unglue 我们将执行以下操作：
# install.packages("unglue")
library(unglue)
unglue_vec(c("aaa12xxx", "aaaARGH!xxx"), "{prefix}{number=\\d+}{suffix}", var = "number")
#> [1] "12" NA
由reprex package (v0.3.0) 于 2019 年 11 月 6 日创建
使用convert 参数自动转换为数字：
unglue_vec(
c("aaa12xxx", "aaaARGH!xxx"),
"{prefix}{number=\\d+}{suffix}",
var = "number",
convert = TRUE)
#> [1] 12 NA
【讨论】：
您可以使用 C++ 编写正则表达式函数，将它们编译成 DLL 并从 R 中调用它们。
#include <regex>
extern "C" {
__declspec(dllexport)
void regex_match( const char **first, char **regexStr, int *_bool)
{
std::cmatch _cmatch;
const char *last = *first + strlen(*first);
std::regex rx(*regexStr);
bool found = false;
found = std::regex_match(*first,last,_cmatch, rx);
*_bool = found;
}
__declspec(dllexport)
void regex_search_results( const char **str, const char **regexStr, int *N, char **out )
{
std::string s(*str);
std::regex rgx(*regexStr);
std::smatch m;
int i=0;
while(std::regex_search(s,m,rgx) && i < *N) {
strcpy(out[i],m[0].str().c_str());
i++;
s = m.suffix().str();
}
}
};
在 R 中调用为
dyn.load("C:\\YourPath\\RegTest.dll")
regex_match <- function(str,regstr) {
.C("regex_match",x=as.character(str),y=as.character(regstr),z=as.logical(1))$z }
regex_match("abc","a(b)c")
regex_search_results <- function(x,y,n) {
.C("regex_search_results",x=as.character(x),y=as.character(y),i=as.integer(n),z=character(n))$z }
regex_search_results("aaa12aa34xxx", "[0-9]+", 5)
【讨论】：