R中地址的正则表达式答案

【问题标题】：Regular expression for address in RR中地址的正则表达式
【发布时间】：2017-02-13 12:10:00
【问题描述】：

我想选择以 CALLE 或 CARRERA 开头并以找到的最后一个数字结尾的匹配部分。我无法弄清楚这个正则表达式：

input1: CALLE 15 # 21-32 APARTAMENTO SEGUNDO PISO

输出 1：调用 15 # 21-32

输入 2：此字符串不匹配

输出 2：此字符串不匹配

然后用匹配的子串替换向量。但如果没有匹配的子字符串，则保持原字符串不变。

这是我尝试过的：

df$DirRes2 <- regmatches(df$DirRes2, regexpr("(CALLE.*\\d | CARRERA.*\\d | .*)", df$DirRes2))

【问题讨论】：

请显示您的字符串的开始和结束位置。 ... 也是字符串的一部分吗？
我编辑了，对不起。格式为 originalString ...to... resultString
你能显示预期的输出吗？
再次编辑。我想现在很清楚了。

标签： r regex match

【解决方案1】：

我们可以用base R 做任何一个

sub(".*((?i)(CALLE|CARRERA).*[0-9])[^0-9]+$", "\\1", str1, perl = TRUE)
#[1] "CALLE 15 # 21-32"        "THIS STRING WON'T MATCH" "Calle 25"

或使用str_extract

library(stringr)
v1 <- trimws(str_extract(str1, "(?i)(CALLE|CARRERA)\\s*[0-9]+\\s*#*\\s*[0-9-]*"))
ifelse(is.na(v1), str1, v1)
#[1] "CALLE 15 # 21-32"        "THIS STRING WON'T MATCH" "Calle 25"

更新

基于 OP 在 cmets 中提供的新模式，@Jota 的修改版本有效

sub(".*?((?:CALLE|CARRERA).*\\d).*$", "\\1", str2, perl = TRUE, ignore.case = TRUE) 
#[1] "CALLE 15 # 21-32"        "THIS STRING WON'T MATCH" "Calle 25"  
#[4] "CALLE 18 CARRERA 7"

数据

str1 <- c("CALLE 15 # 21-32 APARTAMENTO SEGUNDO PISO", 
                 "THIS STRING WON'T MATCH", "Calle 25 Something")

str2 <- c(str1,  "CALLE 18 CARRERA 7 CONDOMINIO BELLO")

【讨论】：

# 可能丢失。字符串可以是“Calle 25 Something”，它应该输出“Calle 25”
它在大多数情况下都可以正常工作，但有一个问题：“CALLE 18 CARRERA 7 CONDOMINIO BELLO”正在转向“CARRERA 7”。它应该是“CALLE 18 CARRERA 7”。有任何想法吗？抱歉，我帮不上什么忙，我完全迷路了。
@akrun，您可以使起始部分不贪婪以捕捉“CALLE 18 CARRERA 7”。此外，因为找到的最后一个数字可能是字符串中的最后一个字符（谁知道？），您也可以对此进行调整：".*?((?i)(CALLE|CARRERA).*[0-9]).*$"
嗯...似乎对我有用。我最初尝试使用 sub(".*?((?:CALLE|CARRERA).*\\d).*$", "\\1", str1, perl = TRUE, ignore.case = TRUE)，这对我也有效。
@Jota 抱歉，我之前忘记了perl=TRUE。它有效