有人告诉我，R 是一个很好的数据处理工具。所以我想弄清楚是否可以（容易）用 R 进行正则表达式数据提取。
以下是从 Python 中提取两个关键信息的示例：
import re
str = "oh, 100.0 dollar is 621.5 yuan"
m = re.search("([\d+\.\d+]+).*?([\d+\.\d+]+)",str)
if m:
print m.group(1),"->",m.group(2)
Python 的输出是：
100.0 -> 621.5
Python 的结果真的很酷，但是如何在 R 中有效地做到这一点？
【问题讨论】：
当然。使用基本 R 或其众多软件包之一也很容易实现这样的事情。这是一个“stringi”包的例子。
library(stringi)
m <- stri_extract_all_regex(str, "\\d+\\.\\d")[[1]]
sprintf("%s -> %s", m[1], m[2])
# [1] "100.0 -> 621.5"
上述的基本 R 等效项可能是使用 gregexpr 和 regmatches：
regmatches(str, gregexpr("\\d+\\.\\d+", str))[[1]]
# [1] "100.0" "621.5"
【讨论】：
stri_match_all一起去的，但这一样好:)
| 来指定选项。
\\d+(?:\\.\\d+)?| ( ... )
嗯，您的正则表达式不正确，并且符合您的预期。 character class 定义了一组字符。说——“匹配类指定的一个字符”。
因此，它匹配以下内容：
[\d+\.\d+]+ # any character of: digits (0-9), '+', '\.', digits (0-9), '+'
# (1 or more times)
使用基础 R，您可以使用 regmatches 和 gregexpr 与以下模式：
x <- 'oh, 100.0 dollar is 621.5 yuan'
m <- regmatches(x, gregexpr('\\d+(?:\\.\\d+)?', x, perl=T))[[1]]
paste(m[1], '->', m[2])
# [1] "100.0 -> 621.5"
正则表达式（解释）
\d+ # digits (0-9) (1 or more times)
(?: # group, but do not capture (optional):
\. # '.'
\d+ # digits (0-9) (1 or more times)
)? # end of grouping
【讨论】：
这里有一些方法。其他的也可以使用各种其他包。
1) 可以用strapply 在一行中完成（尽管为了便于阅读，我们将它分成两行）。 strapply 将模式pat 应用于字符串str，然后将捕获的字符串输入到函数中（此处以公式表示法表示）并返回结果：
library(gsubfn)
# test data
str <- "oh, 100.0 dollar is 621.5 yuan"
pat <- "([\\d+\\.\\d+]+).*?([\\d+\\.\\d+]+)"
strapply(str, pat, ~ paste(x, "->", y), simplify = TRUE)
给予：
[1] "100.0 -> 621.5"
注意，我们使用了与问题中相同的正则表达式来表明 Python 正则表达式在 R 中也可以工作（尽管我们在写出它时需要将反斜杠加倍，因为“\\”代表一个反斜杠）；但是，我们可以改用这个来稍微简化正则表达式：
pat <- "(\\d+\\.\\d+).*?(\\d+\\.\\d+)"
或者这可能就足够了：
pat <- "([\\d.]+).*?([\\d.]+)"
在接下来的点中，我们使用更简单的正则表达式。
2)我们还可以像这样简化模式，在这种情况下，它可以使用来自同一个包的strapplyc。
s <- strapplyc(str, "\\d+\\.\\d+")[[1]]
paste(s[1], "->", s[2])
给出相同的答案。
3) 另一种方法是将输入拆分为单词，然后只保留代表数字的单词。这个不使用任何包：
g <- grep("\\d+\\.\\d+", strsplit(str, " ")[[1]], value = TRUE)
paste(g[1], "->", g[2])
给出相同的答案。
【讨论】：
str 上给出了相同的结果。
这是gsub 的一系列函数。
> str = "oh, 100.0 dollar is 621.5 yuan"
> sub("[[:space:]]+", " -> ", gsub("^[[:space:]]+|[[:space:]]+$", "", gsub("(\\d+(?:\\.\\d+)?)|\\S", '\\1', str, perl=T)))
[1] "100.0 -> 621.5"
如果输入包含两个以上的数字，请尝试此操作。我只是把上面的sub函数换成了gsub
> str = "oh, 100.0 dollar is 621.5 yuan 700 to 888.78"
> gsub("[[:space:]]+", " -> ", gsub("^[[:space:]]+|[[:space:]]+$", "", gsub("(\\d+(?:\\.\\d+)?)|\\S", '\\1', str, perl=T)))
[1] "100.0 -> 621.5 -> 700 -> 888.78"
[[:space:]]+ POSIX 字符类，匹配一个或多个空格。
【讨论】：