r - 在 R 中拆分和提取字符串的一部分(在 "."和数字之间)

Question

我有一个字符变量( companies )，其观察结果如下所示:

"612. Grt. Am. Mgt. & Inv. 7.33"

“77. 威克斯 4.61”

《265.王实验室8.75》

“9. CrossLand Savings 6.32”

《228.JPS纺织集团2.00》

我正在尝试将这些字符串分成 3 部分:

第一个 "." 之前的所有数字,

第一个 "." 之间的所有内容和下一个数字
(一致的格式 #.## )和

最后一个数字本身
(格式 #.##)。

以第一个 obs 为例，我想:“612”、“Grt. Am. Mgt & Inv”、“5.01”

我尝试在 rebus 中定义模式并使用 str_match ，但下面的代码仅适用于像 obs #2 和 #3 这样的情况。它不能反射(reflect)字符串中间部分的所有变化来捕获其他 obs。

pattern2 <- capture(one_or_more(DGT)) %R% DOT %R% SPC %R% 
            capture(or(one_or_more(WRD), one_or_more(WRD) %R% SPC 
            %R% one_or_more(WRD))) %R% SPC %R% capture(DGT %R% DOT 
            %R% one_or_more(DGT))

str_match(companies, pattern = pattern2)

有没有更好的方法将字符串分成这 3 个部分？

我不熟悉 regex ，但我在这里看到了很多建议(我是 R 和 Stack Overflow 的新手)

Answer 1

您可以使用正则表达式分隔字符串，然后拆分该字符串以获得结果:

delimitedString = gsub( "^([0-9]+). (.*) ([0-9.]+)$", "\\1,\\2,\\3", companies  )

do.call( 'rbind', strsplit(split = ",", x = delimitedString) )
#      [,1]  [,2]                   [,3]  
#[1,] "612" "Grt. Am. Mgt. & Inv." "7.33"
#[2,] "77"  "Wickes"               "4.61"
#[3,] "265" "Wang Labs"            "8.75"
#[4,] "9"   "CrossLand Savings"    "6.32"
#[5,] "228" "JPS Textile Group"    "2.00" 

正则表达式解释 :

^[0-9]+ : 字符串

开头(即 ^ )由 0 到 9 的数字组成的任何模式

.* : 贪心匹配，基本上是上面案例中被两个空格包围的任何东西

[0-9.]+$ :再次数字+一个点，并在您的字符串

的结尾(即 $)

括号用于表示我想捕捉那些由正则表达式拟合的字符串部分。捕获它们后，这些子字符串将折叠并用逗号分隔。最后，我们可以用 strsplit 分割整个字符串。使用 do.call 函数和绑定(bind)行功能