匹配除数字正则表达式之外的所有内容答案

【问题标题】：Match everything but numbers regular expression匹配除数字正则表达式之外的所有内容
【发布时间】：2023-03-08 11:02:01
【问题描述】：

我想要一个正则表达式来匹配任何不正确的数学数字。下面的列表是作为正则表达式输入的示例列表：

1

1.7654

-2.5

2-

2.

m

2..3

2....233..6

2.2.8

2--5

6-4-9

所以前三个（粗体）不应该被选中，其余的应该。这是一个与another post 相近的话题，但由于它的负面性质，它是不同的。

我正在使用 R，但我猜任何正则表达式都可以。以下是上述帖子中的最佳镜头：

a <- c("1", "1.7654", "-2.5", "2-", "2.", "m", "2..3", "2....233..6", "2.2.8", "2--5", "6-4-9")
grep(pattern="(-?0[.]\\d+)|(-?[1-9]+\\d*([.]\\d+)?)|0$", x=a)

哪个输出：

\[1\] 1  2  3  4  5  7  8  9 10 11

【问题讨论】：

a[is.na(as.numeric(a))] 非常接近，除了“2”。
你关心前导零吗？你想要“012”匹配还是不匹配？我猜“0.12”必须匹配。那么尾随零呢，例如“0.1200”？
@Spacedman 我猜这些也是数学上正确的数字。 2==0002=2.0000=0002.000
@docendodiscimus 的似乎最好。
还有一些更奇特的数字格式，例如“1.2E05”（即 120000），但它们大多是由计算机生成的。

标签： regex r

【解决方案1】：

您可以使用以下正则表达式：

^(?:((\d+(?=[^.]+|\.{2,})).)+|(\d\.){2,}).*|[^\d]+$

查看演示https://regex101.com/r/tZ3uH0/6

请注意，您的正则表达式引擎应支持可变长度的前瞻。您需要使用 multi-line 标志，如评论中所述，您可以使用 perl=T 在 R 中进行主动前瞻。

这个正则表达式包含 2 个与 OR 连接的部分。第一部分是：

(?:((\d+(?=[^.]+|\.{2,})).)+|(\d\.){2,}).*

这将匹配一个数字组合，其后跟除点或 2 个或多个点之外的任何内容。这整个都在一个可以重复的捕获组内，而不是这个组，你可以有一个数字，后面跟着点 2 或更多时间（用于匹配一些字符串，如 2.3.4.）。

在第二部分，我们有[^\d]+，它将匹配除数字之外的任何内容。

Debuggex Demo

【讨论】：

对于R 中的记录前瞻需要激活perl=T
@MichaelChirico 感谢您提及！

【解决方案2】：

a[grep("^-?\\d*(\\.?\\d*)$", a, invert=T)]

来自@Frank 的建议编辑。

速度测试

a <- rep(a, 1e4)
all.equal(a[is.na(as.numeric(a))], a[grep("^-?\\d+(\\.?\\d+)?$|^\\d+\\.$", a, invert=T)])
[1] TRUE

library(microbenchmark)
microbenchmark(dosc = a[is.na(as.numeric(a))],
           plafort = a[grep("^-?\\d*(\\.?\\d*)$", a, invert=T)])
# Unit: milliseconds
#     expr      min       lq     mean   median       uq      max neval
#     dosc 27.83477 28.32346 28.69970 28.51254 28.76202 31.24695   100
#  plafort 31.92118 32.14915 32.62036 32.33349 32.71107 35.12258   100

【讨论】：

好吧，如果我们接受 .2 和 2. ，那么@docendodiscimus 给出的答案是最简单和最易读的。所以为了这个问题，不，他们不应该被选中。（我想知道使用正则表达式是否比 a[is.na(as.numeric(a))] 更快）
或"^-?\\d+(\\.?\\d+)?$" 这样您就不必将第一部分写两次。
谢谢@Frank。我添加了速度测试。
嗯，您的正则表达式与 docendo 的不完美平行。例如，在"-2." 上试试。当然，它在".2" 上失败，as.numeric 捕获。我想这可以用"^-?\\d*(\\.?\\d*)$" 纠正（不确定）。正如 Spacedman 所提到的，您还需要与 2E5 抗衡以镜像 as.numeric... 无论如何，对于（故意和默默地）为问题产生错误输出的已接受答案中的正则表达式似乎有点奇怪（通过允许2.)...也许@MehradMahmoudian 可以改变问题，这样才有意义...？
他们在 cmets 中提到，他们希望将 2. 和 .2 视为数字。

【解决方案3】：

我认为这应该可以完成工作：

re <- "^-?[0-9]+$|^-?[0-9]+\\.[0-9]+$"
R> a[!grepl(re, a)]
#[1] "2-"          "2."          "m"           "2..3"        "2....233..6" "2.2.8"       "2--5"       
#[8] "6-4-9"

【讨论】：

【解决方案4】：

解决方案here 很好。您只需添加否定案例 [-] 并反转选择！

a <- c("1", "1.7654", "-2.5", "2-", "2.", "m", "2..3", "2....233..6", "2.2.8", "2--5", "6-4-9")
a[grep(pattern="(^[1-9]\\d*(\\.\\d+)?$)|(^[-][1-9]\\d*(\\.\\d+)?$)",invert=TRUE, x=a)]

[1] "2-"          "2."          "m"           "2..3"        "2....233..6"
[6] "2.2.8"       "2--5"        "6-4-9"

【讨论】：

【解决方案5】：

试试这个：

a[!grepl("^\\-?\\d?\\.?\\d+$", a)]

【讨论】：

添加一些有关此正则表达式正在做什么的信息可能会有所帮助。

【解决方案6】：

我喜欢 as.numeric() 的简单性。这是我的建议：

require(stringr)

a <- c("1", "1.7654", "-2.5", "2-", "2.", "m", "2..3", "2....233..6", "2.2.8", "2--5", "6-4-9")
a

a1 <- ifelse(str_sub(a, -1) == ".", "string filler", a)
a1

outvect <- is.na(as.numeric(a1))
outvect

【讨论】：