通过在特定单词之间跳过其他单词，仅在特定单词之后提取数字答案

【问题标题】：extract number only after specific word by skipping other word in between it通过在特定单词之间跳过其他单词，仅在特定单词之后提取数字
【发布时间】：2021-12-31 03:17:17
【问题描述】：

我正在寻找“年”一词之前的两位数和“年”一词之后的七位或八位数字。数据示例如下所示。

data <- "mr john is 45 years old his number is 12345678, mr doe is 57 years 7654321"

data <- as.list(data)

我尝试了这种方法，并且成功地在“年”这个词之前获得了两位数：

stringr::str_extract_all(data,regex(".\\d{2}\\s(?:year)"))

我也尝试过这种方法来获取单词“years”之后的数字：

str_extract_all(data,regex(".\\d{2}\\s(?:year).\\d{7,8}"))

我设法得到了直接出现在单词 years 之后的数字：

" 57 year 7654321"

但是，我没有成功获得“年”字后面的八位数字，其中包括数字和“年”字之间的其他字符。

如何通过跳过其他单词/字符仅在单词“years”之后检索数字？

非常感谢您的帮助

【问题讨论】：

你能确认预期的输出吗？请注意，您的输入没有 57 year 7654321 子字符串
谢谢，预期结果是45 years 12345678, 57 years 7654321
如果您的字符串不能在 year 和 7-8 位数字之间包含另一个数字，Akrun 的解决方案将适用于您。
years old his number is 是数字的中间吗？否则数字，不是数字，数字是你的解决方案，没有其他的
如果字符串是“john is 45 his number is 12345678, mr doe 7654321”怎么办？ "12345678" 和 "7654321" 都在 "years" 之后。我怀疑你只想要前者，但从你如何陈述你的问题中并不清楚。你的问题需要澄清。请记住，提供示例用于说明；它们不能替代对问题的完整和明确的文字陈述。

标签： r regex

【解决方案1】：

我们可以使用str_replace匹配并去除“年”前后的非数字，然后提取包括“年”在内的年前后的数字

library(stringr)
str_extract_all(str_replace_all(data,
     "(?<=years)\\D+|(\\D+)(?=years)", " "), "\\d{2}\\s+years\\s+\\d{7,8}")[[1]]
[1] "45 years 12345678" "57 years 7654321"

或者另一种选择是捕获数字，以及带有 str_match 和 paste 的“年”子字符串一起

library(purrr)
library(dplyr)
str_match_all(data, "(\\d{2})\\D+(years)\\D+(\\d{7,8})")[[1]][,-1] %>% 
     as.data.frame %>% 
     invoke(str_c, sep =" ", .)
[1] "45 years 12345678" "57 years 7654321"

数据

data <- "mr john is 45 years old his number is 12345678, mr doe is 57 years 7654321"

【讨论】：

谢谢先生，这解决了我的问题
如果字符串是“john is 45 岁 1 his number is 12345678”怎么办？
@CarySwoveland 在这种情况下，可能是str_match_all(data, "(\\d{2})\\D+(years).*(\\d{7,8})")[[1]][-1]# [1] "45" "years" "2345678"。你说得对，我是根据中间没有数字的假设来制作模式的

【解决方案2】：

这是一个基本的 R 方法：

创建一个以strsplit 分隔的列表，以, 分隔
定义一个函数my_func，它接受一个字符串并在年份之前和之后搜索数字，然后将所有内容粘贴在一起。
使用lapply 将您的函数应用到列表中。
使用toString() 获得预期的输出。

my_list <- strsplit(data, ",")

my_func <- function(x){
a <- as.integer(sub(".*?(\\d+)\\s*year.*", "\\1", x))
b <- as.integer(sub(".*?year.*?(\\d+).*", "\\1", x))
paste(a, "year", b)
}

result <- lapply(my_list, my_func)
lapply(result, toString)

输出：

[[1]]
[1] "45 year 12345678, 57 year 7654321"

【讨论】：