r - 使用R中的stringr和regex从文本中提取数字

Question

我有一个问题，我试图从包含文本和数字的字符串中提取数字，然后创建两个新列，显示数字的最小值和最大值。

例如，我有一列和一串这样的数据:

Text
Section 12345.01 to section 12345.02

我想从 Text 列中的数据创建两个新列，如下所示:

Min        Max   
12345.01   12345.02

我将 dplyr 和 stringr 与正则表达式一起使用，但正则表达式仅提取模式的第一次出现(第一个数字)。

df%>%dplyr::mutate(SectionNum = stringr::str_extract(Text, "\\d+.\\d+"))

如果我尝试使用 stringr::str_extract_all功能。它似乎提取了模式的两个出现，但它在小标题中创建了一个列表，我发现这是一个真正的麻烦。所以我坚持第一步，只是想把数字放到他们自己的列中。

谁能推荐最有效的方法来做到这一点？理想情况下，我想从字符串中提取数字，将它们转换为数字 as.numeric然后运行 ​​ min()和 max()职能。

Answer 1

与 extract来自 tidyr . extract将每个正则表达式捕获组变成它自己的列。 convert = TRUE方便，因为它将结果列强制为最佳格式。 remove = FALSE如果我们想保留原始列，可以使用。最后 mutate是可选的，以确保提取的第一个数字确实是最小值:

library(tidyr)
library(purrr)

df %>%
  extract(Text, c("Min", "Max"), "([\\d.]+)[^\\d.]+([\\d.]+)", convert = TRUE) %>%
  mutate(Min = pmap_dbl(., min),
         Max = pmap_dbl(., max))

输出:

       Min      Max
1 12345.02 12345.03

数据:

df <- structure(list(Text = structure(1L, .Label = "Section 12345.03 to section 12345.02", class = "factor")), class = "data.frame", row.names = c(NA, 
-1L), .Names = "Text")