如何使用正则表达式逐行提取字符串？答案

【问题标题】：How can I extract a string rowwise using regex?如何使用正则表达式逐行提取字符串？
【发布时间】：2020-04-24 09:48:14
【问题描述】：

我在数据框中有一列 filename，如下所示：

/testData/THQ/TAIRATE.20030314.190000.tif
/testData/THQ/TAIRATE.20030314.200000.tif
/testData/THQ/TAIRATE.20030314.210000.tif
/testData/THQ/TAIRATE.20030314.220000.tif

我想从中提取时间戳并将其存储为另一列。但我不熟悉正则表达式。到目前为止，我已经做到了：

tdat %>%
  dplyr::rowwise() %>% 
  dplyr::mutate(timestamp = str_extract(as.character(filename), "[^//TAIRATE]+$")) %>% 
  glimpse()

结果

.20030314.190000.tif
.20030314.200000.tif
.20030314.210000.tif
.20030314.220000.tif

预期结果

20030314190000
20030314200000
20030314210000
20030314220000

问题：如何编写正确的正则表达式或有更好的方法？

【问题讨论】：

试试str_extract(as.character(filename), "(?<=TAIRATE\\.)\\d+")
@WiktorStribiżew 谢谢！但这是删除点之后的所有内容。获取20030314
没错，那么str_replace(as.character(filename), ".*TAIRATE\\.(\\d+)\.(\\d+).*", "\\1\\2") 呢？这将产生副作用：如果没有找到匹配项，您最终将保持整个文件名不变。

标签： r regex dplyr

【解决方案1】：

str_extract 和其他此类函数是矢量化的，您不需要逐行。

在这种情况下，您可以使用sub 在基础 R 中执行此操作。

sub('.*TAIRATE\\.(\\d+)\\.(\\d+).*', '\\1\\2', df$filename)
#[1] "20030314190000" "20030314200000" "20030314210000" "20030314220000"

【讨论】：

@maximusdooku 与my comment 中的注释相同：这将产生副作用：如果未找到匹配项，则整个文件名将保持不变
@WiktorStribiżew 谢谢你的警告！另外，作为旁注 - 什么是一个很好的资源来了解正则表达式以使其工作？我总是避免学习它。
@maximusdooku 我不知道你的正则表达式知识水平:) 所以我只能建议在regexone.com 上所有课程，阅读regular-expressions.info，regex SO tag description（还有许多其他链接很棒的在线资源），以及名为 What does the regex mean 的社区 SO 帖子。另外，rexegg.com 值得一看。
@maximusdooku 对于 R，另请参阅 this answer of mine。

【解决方案2】：

当然不如@akrun 的解决方案优雅，但这个也有效：

paste0(unlist(str_extract_all(filename, "[0-9]+")), collapse = "")

数据：

filename <- "/testData/THQ/TAIRATE.20030314.190000.tif"

【讨论】：