基于正则表达式的替换[重复]答案

【问题标题】：Substitute based on regex [duplicate]基于正则表达式的替换[重复]
【发布时间】：2021-09-04 06:14:24
【问题描述】：

对 R 来说相对较新，在应用基于正则表达式的替换方面需要帮助。我在一列中有一个数据框，其中有一列数字（我感兴趣的值），后跟一串各种字符。示例：

4623(randomcharacters)

我需要删除初始数字之后的所有内容才能继续使用这些值。我的想法是使用 gsub 通过积极的后视来删除非数字字符。我的代码是：

sub_function <- function() {
  gsub("?<=[[:digit:]].", " ", fixed = T)
}


data_frame$`x` <- data_known$`x` %>% 
  sapply(sub_function)

然后我得到错误：

Error in FUN(X[[i]], ...) : unused argument (X[[i]])

任何帮助将不胜感激！

【问题讨论】：

该函数没有参数，那么gsub 是替代但从什么？在您的代码中，gsub("?<=[[:digit:]].", " ", x, fixed = T) 中没有 x。另外，为什么是管道？我会在重新定义函数sub_function <- function(x)之后做sub_function(data_known$x)。

标签： r regex string regex-lookarounds

【解决方案1】：

有几种方法可以做到这一点，但我喜欢使用 {tidyverse} 中的函数：

library(tidyverse)

# Create some dummy data
df <- tibble(targetcol = c("4658(randomcharacters)", "5847(randomcharacters)", "4958(randomcharacters)"))

df <- mutate(df, just_digits = str_extract(targetcol, pattern = "^[[:digit:]]+"))

输出（df的内容）：

  targetcol              just_digits
  <chr>                  <chr>      
1 4658(randomcharacters) 4658       
2 5847(randomcharacters) 5847       
3 4958(randomcharacters) 4958

【讨论】：

【解决方案2】：

这是一个基本的 R 函数。
它使用sub，而不是gsub，因为只有一个替换。无需往后看，元字符^ 标记了字符串的开头，后面跟着一个可选的减号，后面跟着至少一个数字。其他所有内容都被丢弃。

sub_function <- function(x){
  sub("(^-*[[:digit:]]+).*", "\\1", x)
}

data <- data.frame(x = c("4623(randomcharacters)", "-4623(randomcharacters)"))

sub_function(data$x)
#[1] "4623"  "-4623"

编辑

通过这个简单的修改，函数返回一个数值向量。

sub_function <- function(x){
  y <- sub("(^-*[[:digit:]]+).*", "\\1", x)
  as.numeric(y)
}

【讨论】：

这就像一个魅力，谢谢！如果也有负值，我可以在正则表达式前面添加第二个带有“减号”的函数吗？
@Nuramon 很高兴它有帮助。还有一件事，当您说要“继续使用值” 时，这是否意味着您希望函数的输出是数字，而不是字符串？
我只是在函数之后将它们转换为数字，所以我什至没有想到函数本身会这样做，但感谢您的关注。
@Nuramon 有y <- sub(.)然后在函数中返回as.numeric(y)可能会使函数后面的代码更清晰。在一个函数调用中完成所有工作。我将使用此版本进行编辑。

【解决方案3】：

如果您总是想从数据中提取数字，您可以使用readr 中的parse_number。默认情况下它也会以数字形式返回数据。

使用@Rory S 的数据。

sub_function <- function(x) {
  readr::parse_number(x)
}

sub_function(df$targetcol)
#[1] 4658 5847 4958

【讨论】：