regex - R 正则表达式(近词)

Question

我想知道如何使用正则表达式选择彼此靠近的单词。
例如，我想从以下短语中选择数字和单词英里:

"140,000 mostly freeway miles" 
"173k commuter miles. "       
"154K(all highway) miles

中间的可选词不知道怎么填:

[0-9]+ ???? miles

*near 可以定义为相距 1-3 个单词。感谢您指出了这一点。

Answer 1

这是 R 中的答案.其他答案可以进行一些修改。大多数情况下，它们需要“双重转义”，您必须使用配对函数 regexpr和 regmatches .

x=c("140,000 mostly freeway miles" ,"173k commuter miles. " ,"154K(all highway) miles")


gsub('([[:digit:][:punct:]k]+).*(miles).*', 
     '\\1 \\2', 
     x,
     ignore.case=TRUE)

# [1] "140,000 miles" "173k miles"    "154 miles"    

这表示组号标点符号或第 1 组中的 k。任何东西都可以跟随它。然后是第 2 组，即“英里”一词，然后是其他任何内容。

您还可以使用“普通”正则表达式语法:

gsub('([0-9,k]+).*(miles).*', 
     '\\1 \\2', 
     x,
     ignore.case=TRUE)

但是，我会先清理数据，然后再做一些更简单的匹配! (例如 tolower 并删除标点符号)。