提取字符串中第一个点之前的字符答案

【问题标题】：extract character preceding first dot in a string提取字符串中第一个点之前的字符
【发布时间】：2014-12-11 11:59:16
【问题描述】：

我想提取字符串列中第一个点之前的字符。我可以使用下面的代码来做到这一点。虽然，代码似乎过于复杂，我不得不求助于for-loop。有没有更简单的方法？我对regex 解决方案特别感兴趣。

请注意，查找每个字符串中的最后一个数字不适用于我的真实数据，尽管该方法适用于本示例。

感谢您的建议。

my.data <- read.table(text = '
     my.string  state
     .........    A
     1........    B
     112......    C
     11111....    D
     1111113..    E
     111111111    F
     111111111    G
', header = TRUE, stringsAsFactors = FALSE)

desired.result <- c(NA,1,2,1,3,NA,NA)

确定第一个点的位置：

my.data$first.dot <- apply(my.data, 1, function(x) {     
                                as.numeric(gregexpr("\\.", x['my.string'])[[1]])[1]
                          })

拆分字符串：

split.strings <- t(apply(my.data, 1, function(x) { (strsplit(x['my.string'], '')[[1]]) } ))

my.data$revised.first.dot <- ifelse(my.data$first.dot < 2, NA, my.data$first.dot-1)

提取第一个点之前的字符：

for(i in 1:nrow(my.data)) {
     my.data$character.before.dot[i] <- split.strings[i,my.data$revised.first.dot[i]]
}

my.data

#   my.string state first.dot revised.first.dot character.before.dot
# 1 .........     A         1                NA                 <NA>
# 2 1........     B         2                 1                    1
# 3 112......     C         4                 3                    2
# 4 11111....     D         6                 5                    1
# 5 1111113..     E         8                 7                    3
# 6 111111111     F        -1                NA                 <NA>
# 7 111111111     G        -1                NA                 <NA>

这是一个相关的帖子：

find location of character in string

【问题讨论】：

标签： regex r string

【解决方案1】：

使用下面的正则表达式，不要忘记启用perl=TRUE 参数。

^[^.]*?\K[^.](?=\.)

在 R 中，正则表达式就像，

^[^.]*?\\K[^.](?=\\.)

DEMO

> library(stringr)
> as.numeric(str_extract(my.data$my.string, perl("^[^.]*?\\K[^.](?=\\.)")))
[1] NA  1  2  1  3 NA NA

模式说明：

^ 断言我们处于起步阶段。
[^.]*? 直到第一个点的任何字符的非贪婪匹配。
\K 丢弃以前匹配的字符。
[^.]我们要匹配的字符不能是点。
(?=\.) 而且这个字符后面必须跟一个点。所以它匹配第一个点之前存在的字符。

【讨论】：

很好，我一直忘记\K。

【解决方案2】：

最简单的正则表达式是^([^.])+(?=\.):

^      # Start of string
(      # Start of group 1
 [^.]  # Match any character except .
)+     # Repeat as many times as needed, overwriting the previous match
(?=\.) # Assert the next character is a .

测试它live on regex101.com。

第 1 组的内容将是您想要的角色。我不是一个 R 人，但根据RegexBuddy，以下应该可以工作：

matches <- regexpr("^([^.])+(?=\\.)", my.data, perl=TRUE);
result <- attr(matches, "capture.start")[,1]
attr(result, "match.length") <- attr(matches, "capture.length")[,1]
regmatches(my.data, result)

【讨论】：

【解决方案3】：

在示例中，都是digits 和.

library(stringr)
as.numeric(str_extract(my.data$my.string, perl('\\d(?=\\.)')))
#[1] NA  1  2  1  3 NA NA

或者使用stringi

library(stringi)
as.numeric(stri_extract(my.data$my.string, regex='\\d(?=\\.)'))
#[1] NA  1  2  1  3 NA NA

如果是general案例：

as.numeric(str_extract(my.data$my.string, perl('[^.](?=\\.)')))

【讨论】：

【解决方案4】：

这是ifelse 的基本 R 解决方案：

res <- regexpr("[^.](?=\\.)", my.data$my.string, perl = TRUE)
ifelse(res < 1, NA, as.integer(regmatches(my.data$my.string, res)))
# [1] NA  2  1  3  1 NA NA

【讨论】：

【解决方案5】：

[^.](?=\\.)

您可以简单地执行此操作。查看演示。

https://regex101.com/r/qB0jV1/26

【讨论】：

我没有投反对票，但我在获得desired.result 的任何这些答案时遇到了一些麻烦。在你的情况下，我认为\. 应该是\\.
返回字符的位置。理想情况下，我可以在基础R 中获得向量desired.result。我只需要弄清楚如何做到这一点，我就会做好准备。感谢您的回答。
@vks op 没有谈论 unicode 字符串，他提供了他的示例数据。
@AvinashRaj 到目前为止，我还没有对这篇文章投赞成票或反对票。一旦我弄清楚如何在基础R 中获取向量desired.result，我可能会投票赞成每个答案。

【解决方案6】：

使用rex 可能会使这类任务更简单一些。

my.data <- read.table(text = '
     my.string  state
     .........    A
     1........    B
     112......    C
     11111....    D
     1111113..    E
     111111111    F
     111111111    G
', header = TRUE, stringsAsFactors = FALSE)

library(rex)

re_matches(my.data$my.string,
  rex(capture(except(".")), "."))$'1'

#> [1] NA  "1" "2" "1" "3" NA  NA

【讨论】：