r - 仅提取字符串中的 5 位数字

Question

我有一个地址，81000 是邮政编码(总是 5 位数字)。

address <- "F47, First Floor, PTD 106273, Persiaran Indahpura Utama, Bandar Indahpura, 81000 Kulaijaya, Johor"

我正在尝试使用 regex 确定邮政编码，并尝试了以下方法:

## postal code pattern
postal_pattern <- '\\d{5}'
## extract postal code
postal_code <- stringr::str_extract_all(address, postal_pattern)

但是，我得到了以下输出，部分正确:

> postal_code
[[1]]
[1] "10627" "81000"

我怎样才能只使用 regex 或任何库提取 81000？

Answer 1

我建议从字符串中提取最后一个 5位数字:

> str_replace(address, ".*\\b(\\d{5})\\b.*", "\\1")
[1] "81000"

或使用基础 R sub:

> sub(".*\\b(\\d{5})\\b.*", "\\1", address)
[1] "81000"

由于 .* 匹配所有字符串(行)，然后开始回溯以适应后续模式，因此 \d{5} 将匹配最后一个5 位数字(作为一个完整的单词)。

详情

• .* - 任何 0 个或多个字符(除了 stringr 版本中的换行符，在模式前加上 (?s) 如果你也需要匹配换行符)，尽可能多地匹配到最后出现的后续子模式
• \\b - 前导字边界(前导，因为后面的预期字符是数字)
• (\\d{5}) - 第 1 组:五位数字
• \\b - 尾随单词边界
• .* - 字符串的其余部分(在 stringr 版本中，如果需要，请在模式前加上 (?s)也匹配换行符)