从原始字符串中提取模式

Question

我正在尝试从原始数据集中提取纬度和经度。我感兴趣的信息总是遵循相同的模式，即：

(,)(0-9)([.])(0-9) space (0-9)([.])(0-9)(,)

当我执行以下操作时，我可以准确地删除我想要保留的信息。有没有办法做相反的事情并实际使用 gsub 保留我目前正在删除的信息？

data$l1<-gsub('(,)([0-9]+)([.])([0-9]+)[ ]([0-9]+)([.])([0-9]+)(,)', 
              '\\2\\3\\4\\5\\6\\7',
              data$V1)

数据集如下所示：

V1
60346241,[37.55 55.22 5km],katekin,55.745011917 37.604520766,2013-12-04 11:59:07
603423423,[37.55 55.22 5km],#hello,#yes,miguel,53.23452 38.7379422,2013-12-04 11:49:09

所以，在本例中，我想生成一个新变量 V2，即

V2
55.745011917 37.604520766
53.23452 38.7379422

Answer 1

我会使用gregexpr 和regmatches

regmatches(d$V1, gregexpr("(?<=,)\\d{1,3}\\.\\d+\\s\\d{1,3}\\.\\d+", d$V1, perl = TRUE))

#[[1]]
#[1] "55.745011917 37.604520766"
#
#[[2]]
#[1] "53.23452 38.7379422"

取消列出并将其放入新变量由询问者决定。

这里的方法是查找 1 到 3 位数字，后跟一个小数 (\\d{1,3}\\.)，然后是一些数字和一个空格 (\\d+\\s)，然后重复，除了没有尾随空格。整个内容前面应该有一个逗号。因此，您可以对逗号使用lookbehind（即(?<=,)）

---

您可以使用gsub，但需要稍作修改：

gsub("^.+?(?<=,)(\\d{1,3}\\.\\d+\\s\\d{1,3}\\.\\d+).+$", "\\1", d$V1, perl = TRUE)
# [1] "55.745011917 37.604520766" "53.23452 38.7379422"

使用gsub 方法，我使用捕获组来捕获我想要的部分：(\\d{1,3}\\.\\d+\\s\\d{1,3}\\.\\d+)，但我也匹配从行首到我想要捕获的所有内容：^.+?(?<=,) 和所有内容在它之后直到行尾：.+$

---

数据：

d <- read.table(text = "V1
60346241,[37.55 55.22 5km],katekin,55.745011917 37.604520766,2013-12-04 11:59:07
603423423,[37.55 55.22 5km],#hello,#yes,miguel,53.23452 38.7379422,2013-12-04 11:49:09", header = TRUE, comment.char = "", sep = "\t")