如何使用常见的前置模式从字符串中提取字符？答案

【问题标题】：How to extract characters from strings using a common preceding pattern?如何使用常见的前置模式从字符串中提取字符？
【发布时间】：2018-05-15 04:39:39
【问题描述】：

我正在尝试使用 sub 函数将 Parcel Number 与凌乱的字符串变量隔离开来。包裹号码在字符串中由前面的“ParNum”标识：所需号码周围的字符各不相同，但它们遵循这两个示例的一般形式。

string1 <- "Legal Description:  PrpId:0511552031 ParNum:0511552031 CC:05 T:7 R:8"
string2 <- "Legal Description:  Rmrk:PT OF PrpId:0511552031 ParNum:0511552031 CC:05 T:7 R:8"

悲惨失败的努力：

> sub("[^:]*:)*[^:]*:", "", string1)
[1] "0511552031 ParNum:0511552031 CC:05 T:7 R:8"

想要的结果：

0511552031

【问题讨论】：

标签： r regex substring

【解决方案1】：

尝试对sub 使用以下模式：

.*ParNum:([^[:blank:]]*).*

这匹配ParNum:，然后捕获ParNum: 后面的任何非空格/制表符。然后将捕获的号码作为\\1 在第一个捕获组中提供。

代码sn-p：

string1 <- "Legal Description:  PrpId:0511552031 ParNum:0511552031 CC:05 T:7 R:8"
sub(".*ParNum:([^[:blank:]]*).*", "\\1", string1)
[1] "0511552031"

Demo

【讨论】：

【解决方案2】：

我发现使用来自tidyverse 的stringr 包更容易做到这一点。（事实上，像这样的问题首先促使我安装stringr）

library(stringr)

string1 <- "Legal Description:  PrpId:0511552031 ParNum:0511552031 CC:05 T:7 R:8"
string2 <- "Legal Description:  Rmrk:PT OF PrpId:0511552031 ParNum:0511552031 CC:05 T:7 R:8"

str_extract(string1, "(?<=ParNum:)[^[:blank:]]*")
# [1] "0511552031"

另外，str_extract 和 sub 是矢量化的，因此以下工作

strings <- c(string1, string2)
str_extract(strings, "(?<=ParNum:)[^[:blank:]]*")
# [1] "0511552031" "0511552031"
sub(".*ParNum:([^[:blank:]]*).*", "\\1", strings)
# [1] "0511552031" "0511552031"

模式(?<=) 是用于后视的正则表达式。这个site 有更多关于环视的信息。

【讨论】：