R tidyr 正则表达式 : extract ordered numbers from character column

Question

假设我有这样一个数据框

df <- data.frame(x=c("This script outputs 10 visualizations.", 
                     "This script outputs 1 visualization.", 
                     "This script outputs 5 data files.", 
                     "This script outputs 1 data file.", 
                     "This script doesn't output any visualizations or data files", 
                     "This script outputs 9 visualizations and 28 data files.", 
                     "This script outputs 1 visualization and 1 data file."))

看起来像这样

                                                            x
1                      This script outputs 10 visualizations.
2                        This script outputs 1 visualization.
3                           This script outputs 5 data files.
4                            This script outputs 1 data file.
5 This script doesn't output any visualizations or data files
6     This script outputs 9 visualizations and 28 data files.
7        This script outputs 1 visualization and 1 data file.

有没有一种简单的方法，可以使用 Tidyverse 来提取每行的可视化数量和文件数量？当没有可视化(或没有数据文件，或两者都有)时，我想提取 0。基本上我希望最终结果是这样的

    viz   files
1    10       0
2     1       0
3     0       5
4     0       1
5     0       0
6     9      28
7     1       1

我试过用类似的东西

str_extract(df$x, "(?<=This script outputs )(.*)(?= visualizatio(n\\.$|ns\\.$))")

但是我迷路了。

Answer 1

我们可以在 str_extract 中使用正则表达式环视将一个或多个数字 (\\d+) 后跟一个空格和“vis”或“数据文件”提取为两个列

library(dplyr)
library(stringr)
df %>% 
  transmute(viz = as.numeric(str_extract(x, "\\d+(?= vis)")),
            files = as.numeric(str_extract(x, "\\d+(?= data files?)"))) %>%
  mutate_all(replace_na, 0)
#  viz files
#1  10     0
#2   1     0
#3   0     5
#4   0     0
#5   0     0
#6   9    28
#7   1     0

在第一种情况下，模式匹配一​​个或多个数字 (\\d+)，后跟一个正则表达式环视 ((?=)，其中后跟一个空格通过 'vis' 单词和第二列，它提取数字后跟空格和单词 'file' 或 'files'