提取数字之间的单词答案

【问题标题】：Extract words between numbers提取数字之间的单词
【发布时间】：2019-01-17 20:33:31
【问题描述】：

尝试在 R 中编写一些 regex 以在 R 中的字符向量中为每个字符串的数字之间提取一些单词。不幸的是，我的 regex 技能几乎无法应对挑战。
这是问题的一个例子和我最初的尝试：

x <- c("1 Singleword 1,234 342", "2 randword & thirdword 1,545 323", 
      "3 Anotherword wordagain Newword. 3,234 556")

m <- regexpr("[a-zA-Z]+\\s+", x, perl = TRUE)

regmatches(x, m)

这种方法只会产生

"Singleword ", "randword ", "Anotherword "

我需要的是

"Singleword", "randword & thirdword", "Anotherword wordagain Neword."

我相信它需要是某种regex 模式，它以一个字符开头（就像我目前拥有的那样），然后拉出所有内容，直到达到一个数字。

【问题讨论】：

标签： r regex

【解决方案1】：

x <- c("1 Singleword 1,234 342", "2 randword & thirdword 1,545 323", 
       "3 Anotherword wordagain Newword. 3,234 556")

m <- regexpr("[a-zA-Z].(\\D)+", x, perl = TRUE)

regmatches(x, m)

[1] "单字" "二字&三字"
[3] "Anotherword wordagaining Newword。"

我使用了https://regexr.com/，它是用来弄清楚如何编写正则表达式的备忘单。

【讨论】：

完美运行！

【解决方案2】：

使用sub

> sub(".\\s(\\D+).*", "\\1", x)
[1] "Singleword "   "randword & thirdword "  "Anotherword wordagain Newword. "

使用str_extract

> library(stringr)
> str_extract(x, pattern = "\\D+")
[1] " Singleword "  " randword & thirdword "  " Anotherword wordagain Newword. "

【讨论】：

【解决方案3】：

样本数据

x <- c("1 Singleword 1,234 342", "2 randword & thirdword 1,545 323", 
   "3 Anotherword wordagain Newword. 3,234 556")

基础 R

#replace als numbers and comma's with `""` (=nothing), 
# also, trim whitespaces (thanks Markus!)
trimws( gsub( "[0-9,]", "", x ) )

[1] "Singleword" "randword &thirdword" "Anotherword wordagain Newword."

字符串R

library(stringr)
str_extract(x, pattern = "(?<=\\d )[^0-9]+(?= \\d)")

[1] "Singleword" "randword &thirdword" "Anotherword wordagain Newword."

如果您想了解更多关于上述代码（以及其他答案）中正则表达式模式（工作原理）的信息，请查看它们的魔力（和解释）：https://regex101.com/

最后一个正则表达式的解释：https://regex101.com/r/QgERuZ/2

【讨论】：

您可以将您的base R 解决方案包装在trimws 中，即trimws(gsub( "[0-9,]", "", x))（很抱歉再次打扰您）。
sub('. ([A-z].*?).\\d.*','\\1',x)