在 R 数据框列中提取部分字符串

【问题标题】：Extract part of string in R dataframe column在 R 数据框列中提取部分字符串
【发布时间】：2019-06-25 00:48:26
【问题描述】：

我正在尝试提取一个 ID，它是 R 中一列中字符串的一部分。我想编写一个表达式来提取以 IAB 开头并以数字结尾的艺术作品。我该怎么做？

示例字符串：

[31] "{\"\"element\"\":\"\"IAB1_4\"\"}"  
[32] "{\"\"element\"\":\"\"IAB19_3\"\"}" 
[33] "{\"\"element\"\":\"\"IAB19_16\"\"}"
[34] "{\"\"element\"\":\"\"IAB9_11\"\"}" 
[35] "{\"\"element\"\":\"\"IAB19_5\"\"}" 
[36] "{\"\"element\"\":\"\"IAB18_1\"\"}"

我只需要提取以 IAB 开头并以数字结尾的部分。我怎么能这样做？

【问题讨论】：

看起来几乎像 JSON 字符串。如果您正在处理这样的数据，可能值得看看 jsonlite 包。

标签： r regex string dplyr

【解决方案1】：

我们可以使用str_extract 来匹配字符串“IAB”后面的一个或多个数字（\\d+），后跟一个下划线（_）和一个或多个数字（\\d+）

library(stringr)
str_extract(v1, 'IAB\\d+_\\d+')
#[1] "IAB1_4"   "IAB19_3"  "IAB19_16" "IAB9_11"  "IAB19_5"  "IAB18_1"

或者用regexpr 来自base R

regmatches(v1, regexpr('IAB\\d+_\\d+', v1))
#[1] "IAB1_4"   "IAB19_3"  "IAB19_16" "IAB9_11"  "IAB19_5"  "IAB18_1"

数据

v1 <- c("{\"\"element\"\":\"\"IAB1_4\"\"}", "{\"\"element\"\":\"\"IAB19_3\"\"}", 
"{\"\"element\"\":\"\"IAB19_16\"\"}", "{\"\"element\"\":\"\"IAB9_11\"\"}", 
"{\"\"element\"\":\"\"IAB19_5\"\"}", "{\"\"element\"\":\"\"IAB18_1\"\"}"
)

【讨论】：