正则表达式匹配所有不是 4 位数的数字答案

【问题标题】：Regex matching everything that's not a 4 digit number正则表达式匹配所有不是 4 位数的数字
【发布时间】：2012-08-24 19:34:12
【问题描述】：

我匹配并替换前面和后面的空格的 4 位数字：

str12 <- "coihr 1234 &/()= jngm 34 ljd"
sub("\\s\\d{4}\\s", "", str12)
[1] "coihr&/()= jngm 34 ljd"

但是，每次尝试反转它并提取数字都会失败。我要：

[1] 1234

有人知道吗？

ps：我知道如何用 {stringr} 做到这一点，但我想知道它是否可能只用 {base}..

require(stringr)
gsub("\\s", "", str_extract(str12, "\\s\\d{4}\\s"))
[1] "1234"

【问题讨论】：

标签： regex r

【解决方案1】：

regmatches()，仅从 R-2.14.0 开始可用，允许您“从 regexpr、gregexpr 或 regexec 获得的匹配数据中提取或替换匹配的子字符串”

以下是如何使用regmatches() 提取输入字符串中的第一个空格缓冲的4位子字符串或所有子字符串的示例.

## Example strings and pattern
x <- "coihr 1234 &/()= jngm 34 ljd"          # string with 1 matching substring
xx <- "coihr 1234 &/()= jngm 3444  6789 ljd" # string with >1 matching substring
pat <- "(?<=\\s)(\\d{4})(?=\\s)"

## Use regexpr() to extract *1st* matching substring
as.numeric(regmatches(x, regexpr(pat, x, perl=TRUE)))
# [1] 1234
as.numeric(regmatches(xx, regexpr(pat, xx, perl=TRUE)))
# [1] 1234


## Use gregexpr() to extract *all* matching substrings
as.numeric(regmatches(xx, gregexpr(pat, xx, perl=TRUE))[[1]])
# [1] 1234 3444 6789

（请注意，对于不包含与您的条件匹配的子字符串的字符串，这将返回 numeric(0)）。

【讨论】：

@JoshObrien : +1 很好地使用了regmatches
我已经接受了 dickoa 的回答。不过，非常感谢您发布此方法 +1！
这里的另一个选项是使用\b\\d{4}\b - 如果数字在字符串的开头，它也可以工作。（但是，它也会匹配其他情况，例如"abc(1234)"）。当然，OP确实说“前后有空格”，所以它可能没用:P
谢谢@Kobi！ ..根本没用：事实上，我很想知道如果数字位于一行的开头/结尾，我该如何处理..
@Kobi：我必须在哪里放置反向引用的括号？我无法使用它：gsub(".*(\b\\d{4}\b).*", "\\1", str12)..

【解决方案2】：

可以使用() 在正则表达式中捕获组。举个例子

str12 <- "coihr 1234 &/()= jngm 34 ljd"
gsub(".*\\s(\\d{4})\\s.*", "\\1", str12)
[1] "1234"

【讨论】：

是的。我们一定是同时输入了相同的行...我刚刚删除了第一次尝试，并发布了第二个更好的解决方案，确实提取了第一个匹配项。

【解决方案3】：

总的来说，我对正则表达式非常幼稚，但这是在 base 中实现它的一种丑陋的方式：

# if it's always in the same spot as in your example
unlist(strsplit(str12, split = " "))[2]

# or if it can occur in various places
str13 <- unlist(strsplit(str12, split = " "))
str13[!is.na(as.integer(str13)) & nchar(str13) == 4] # issues warning

【讨论】：