从多列文本中提取 ID答案

【问题标题】：Extract IDs from Text in many columns从多列文本中提取 ID
【发布时间】：2019-06-24 06:43:26
【问题描述】：

我有一个巨大的 df，它由不同的符号（#、空格、、）分隔。读取数据后，我有尚未分离的列。我尝试使用tidyr::separate 来分隔列。但由于我有很多列，因此分离的结果会覆盖下一列。

我尝试使用 ''tidyr::separate'' 来分隔列。但由于我有很多列，因此分离的结果会覆盖下一列。

总而言之，我有 12 列我想从中提取 IDs 和 coordinates。

预期结果：

 ID       X         Y
 3002349  8612088  50228881

【问题讨论】：

标签： r dplyr extract tidyr separator

【解决方案1】：

如果所有行的格式相同，您可以使用tidyr::extract

tidyr::extract(df, v1, c("ID", "X", "Y"), regex = ".*ID=(\\d+)#X=(\\d+)#Y=(\\d+)")
#       ID       X        Y
#1 3002349 8612088 50228881

这会从文本中提取后跟ID、X 和Y 标签的数字。

数据

x <- "Markt#ID=3002349#X=8612088#Y=50228881#RI=1|&RD=10062019&RT=6:46&L=1543&SM=0#1#2&CT=-1#-1#-1#-1#-1&P1=1111111111111111&O1=99999999&T1=99999999&F=-1&RF=1999991999999999111090999999&GP=FF=cost=-1|minDist=0|maxDist=2000|speed=100|routingType=1|ellipseRadius=1000|maxDur=120|waitTime=-1|linDistRouting=0|#BF=cost=-1|minDist=0|maxDist=2000|speed=100|routingType=1|ellipseRadius=1000|maxDur=120|waitTime=-1|linDistRouting=0|#&"
df <- data.frame(v1 = x)

【讨论】：

【解决方案2】：

我们可以在base R 中使用read.csv 和sub 执行此操作

read.csv(text= sub(".*ID=(\\d+)#X=(\\d+)#Y=(\\d+).*", "\\1,\\2,\\3", 
           df$v1), header = FALSE, col.names = c("ID", "X", "Y"))
#     ID       X        Y
#1 3002349 8612088 50228881

数据

df <- structure(list(v1 = structure(1L, .Label = "Markt#ID=3002349#X=8612088#Y=50228881#RI=1|&RD=10062019&RT=6:46&L=1543&SM=0#1#2&CT=-1#-1#-1#-1#-1&P1=1111111111111111&O1=99999999&T1=99999999&F=-1&RF=1999991999999999111090999999&GP=FF=cost=-1|minDist=0|maxDist=2000|speed=100|routingType=1|ellipseRadius=1000|maxDur=120|waitTime=-1|linDistRouting=0|#BF=cost=-1|minDist=0|maxDist=2000|speed=100|routingType=1|ellipseRadius=1000|maxDur=120|waitTime=-1|linDistRouting=0|#&", class = "factor")), class = "data.frame", row.names = c(NA, 
-1L))

【讨论】：