正则表达式提取数字和尾随字母或空格

Question

我目前正在尝试从始终采用相同格式的字符串中提取数据(从没有 API 支持的社交网站中抓取)

字符串示例

53.2k Followers, 11 Following, 1,396 Posts
5m Followers, 83 Following, 1.1m Posts

我目前正在使用以下正则表达式:
“[0-9]{1,5}([,.][0-9]{1,4})？”获取数字部分，保留逗号和点分隔符。

它产生的结果如下

53.2, 11, 1,396 
5, 83, 1.1

我真的需要一个正则表达式，它也会在数字部分之后抓取字符，即使它是一个空格。 IE。

53.2k, 11 , 1,396
5m, 83 , 1.1m

任何帮助是极大的赞赏

用于复制的 R 代码

  library(stringr)

  string1 <- ("536.2k Followers, 83 Following, 1,396 Posts")
  string2 <- ("5m Followers, 83 Following, 1.1m Posts")

  info <- str_extract_all(string1,"[0-9]{1,5}([,.][0-9]{1,4})?")
  info2 <- str_extract_all(string2,"[0-9]{1,5}([,.][0-9]{1,4})?")

  info 
  info2 

Answer 1

我会建议以下正则表达式模式:

[0-9]{1,3}(?:,[0-9]{3})*(?:\\.[0-9]+)?[A-Za-z]*

此模式生成您期望的输出。这是一个解释:

[0-9]{1,3}      match 1 to 3 initial digits
(?:,[0-9]{3})*  followed by zero or more optional thousands groups
(?:\\.[0-9]+)?  followed by an optional decimal component
[A-Za-z]*       followed by an optional text unit

我倾向于尽可能使用基本的 R 解决方案，这里有一个使用 gregexpr和 regmatches :

txt <- "53.2k Followers, 11 Following, 1,396 Posts"
m <- gregexpr("[0-9]{1,3}(?:,[0-9]{3})*(?:\\.[0-9]+)?[A-Za-z]*", txt)
regmatches(txt, m)

[[1]]
[1] "53.2k"   "11"   "1,396"