在 R 中查找特定模式后任意位置的第一个数字

Question

我正在尝试识别 R 中某个子字符串之后出现的数字。

例如：

sa <- "100 dollars 200"

在上面的字符串中，为了查找单词 后面出现的数字dollar，我执行以下代码：

str_match_all(sa,"(?<=dollars )\\d+") 

我得到以下结果：

  [[1]]
     [,1] 
[1,] "200"

但是，当我使用以下输入时：

sa <- "100 dollars for 200 pesos"

我非常无法获得输出200。

Answer 1

另一种方法是简单地使用gsub()来获取您想要的号码。更具体地说，您可以定义一个模式来搜索单词“dollars”后面的第一个数字。

# define the pattern
pat <- "^.*dollars.*?([0-9]+).*"

# example 1
str <- "100 dollars for 200 pesos"
gsub(pat, "\\1", str)
[1] "200"

# example 2
str <- " 100, actually 100.12 dollars for 200 pesos or 1000 dimes"
gsub(pat, "\\1", str)
[1] "200"

为了更好地解释该模式：

^        >> from the beginning of the string...
.*       >> every character till... 
dollars  >> the substring 'dollars'...
.*?      >> and than any character until the first...
([0-9]+) >> number of any length, that is selected as group...
.*       >> and then everything else

当此模式匹配时，gsub()将其替换为选择为组的数字，即“dollars”之后的第一个数字。