R 数字表达式和 unlist 不起作用

Question

所以我买了一本关于 R 和自动数据收集的书，第一个例子让我感到困惑。

我有一个包含日期列的表格，其中包含类似“2001-”的数字。根据教程，下面的行将通过挑出前四位数字从日期中删除“-”：

yend_clean <- unlist(str_extract_all(danger_table$yend, "[[:digit:]]4$"))

当我运行这个命令时，“yend_clean”被简单地设置为“字符（空）”。

如果我删除“4$”，我会将所有日期拆分为原子，因此最初看起来像“1992”、“2003”的列表现在看起来像“1”、“9”等。

所以我怀疑“4$”周围的东西是问题所在。我找不到任何可以帮助我找出正确解决方案的文档。

希望这里有人能指出我正确的方向。

Answer 1

这是一个正则表达式问题。你的正则表达式是错误的。使用：

unlist(str_extract_all("2003-", "^[[:digit:]]{4}"))

或等效

sub("^(\\d{4}).*", "\\1", "2003-")

如果你真的只想删除“-”

sub("-", "", "2003-")

正则表达式中的重复由{} 参数控制。你错过了那个。另外$ 表示匹配字符串的结尾，因此您的表达式转换为：

匹配任何单个数字，后跟一个 4，然后是字符串的结尾

当您删除“4”时，模式变为“匹配任何单个数字”，这正是发生的情况（即您分别匹配每个数字）。

我建议的模式改为：

匹配字符串的开头 (^)，后跟一个重复四次的数字。

sub 变体是一种非常常见的技术，我们创建一个模式来匹配我们想要保留在括号中的内容，然后再匹配括号之外的所有其他内容（.* 匹配任何内容，任意次数）。然后，我们只用括号中的部分替换整个匹配项（\\1 表示括号中的第一个子表达式）。 \\d 等价于[[:digit:]]。

• good website 了解正则表达式
• visualization tool 看看具体的正则表达式如何匹配字符串

Answer 2

如果你指的是Automated Data Collection with R这本书，代码可能是这样的：

yend_clean <- unlist(str_extract_all(danger_table$yend, "[[:digit:]]{4}[-]$"))
yend_clean <- unlist(str_extract_all(yend_clean, "^[[:digit:]]{4}"))

假设您有一个字符串“1993–2007, 2010-”，并且您想要获取最后一个给定年份，即“2010”。第一行，表示四位数字和一个破折号，返回“2010-”，第二行返回“2010”。