将ISIN解析为String

Question

我想从一个非常奇怪的字符串解析ISIN,我的代码看起来像这样:

> df <- fread("C:/Users/WZHPCH/Desktop/Error Messages/df.csv", sep=";", stringsAsFactors=FALSE)
> dput(df)
structure(list(ID = c(1L, 2L, 4L, 2L, 3L, 24L), VAL = c("TES+XS0255015603+ae2s", 
"TEST*XS0255015603+d2aasd", "safd*adf*XS0255015603++", "gasdfs*dsa*US0917971006", 
"asdfsUS0917971006adf", "sd-asd-afds-US0917971006")), .Names = c("ID", 
"VAL"), row.names = c(NA, -6L), class = c("data.table", "data.frame"
), .internal.selfref = <pointer: 0x0000000000110788>)
> df$parsedISIN <- gsub("^[a-zA-Z]{2}[0-9]{10}$", '\\1', df$VAL)

我对gsub做错了什么？

有什么建议？

感谢您的回复!

Answer 1

这里有一些问题:

1)即使使用的问题dput,对象中也有一个指针,因此它不能在其他系统上使用.我已经编辑出指针给出:

df <-
structure(list(ID = c(1L, 2L, 4L, 2L, 3L, 24L), VAL = c("TES+XS0255015603+ae2s", 
"TEST*XS0255015603+d2aasd", "safd*adf*XS0255015603++", "gasdfs*dsa*US0917971006", 
"asdfsUS0917971006adf", "sd-asd-afds-US0917971006")), .Names = c("ID", 
"VAL"), row.names = c(NA, -6L), class = c("data.table", "data.frame"))

2)代码指的是df.gem$Attributes.它应该是df$VAL.

3)gsub应该是sub因为每个组件中只出现一次.

4)匹配仅匹配,如果它从字符串的开头开始并在字符串的结尾处结束,但如果它在字符串中就不匹配,这就是这里的情况.

5)要使用sub我们需要匹配所有内容,只需捕获我们需要的东西,以便我们可以排除我们不需要的东西.

试试这个:

pat <- ".*([a-zA-Z]{2}[0-9]{10}).*"
sub(pat, "\\1", df$VAL)

这使:

[1] "XS0255015603" "XS0255015603" "XS0255015603" "US0917971006" "US0917971006"
[6] "US0917971006"

这是正则表达式的可视化,pat:

.*([a-zA-Z]{2}[0-9]{10}).*

Debuggex演示

注意:稍微简单的方法是使用strapplycin gsubfn直接提取模式.在这种情况下,正则表达式略有简化:

library(gsubfn)
strapplyc(df$VAL, "[a-zA-Z]{2}[0-9]{10}", simplify = TRUE)

这是一个可视化:

[a-zA-Z]{2}[0-9]{10}

Debuggex演示