r - R:提取文件名的一部分

Question

我正在尝试使用R提取文件名的一部分，我对如何从此处执行此操作有一个模糊的想法:extract part of a file name in R
但是我不能完全在我的文件名列表中使用它

文件名示例:

"Species Count (2011-12-15-07-09-39).xls"
"Species Count 0511.xls"
"Species Count 151112.xls" 
"Species Count1011.xls" 
"Species Count2012-01.xls" 
"Species Count201207.xls" 
"Species Count2013-01-15.xls"  

一些文件名在“物种计数”和日期之间有一个空格，一些文件名没有空格，并且它们的长度不同，并且某些文件名包含括号。我只想提取文件名的数字部分并保持-不变。因此，例如，对于上面的数据，我将有:

预期产量:

2011-12-15-07-09-39 , 0511 , 151112 , 1011 , 2012-01 , 201207 , 2013-01-15

Answer 1

这是一种方法:

regmatches(tt, regexpr("[0-9].*[0-9]", tt))

我假设您的文件名中没有其他数字。因此，我们只搜索一个数字的开头，然后使用贪婪的运算符 .*即可捕获到最后一个数字为止的所有内容。这是使用 regexpr完成的，它将获取匹配的位置。然后，我们使用 regmatches从这些匹配的位置中提取(sub)字符串。

其中 tt是:

tt <- c("Species Count (2011-12-15-07-09-39).xls", "Species Count 0511.xls", 
        "Species Count 151112.xls", "Species Count1011.xls", 
        "Species Count2012-01.xls", "Species Count201207.xls", 
        "Species Count2013-01-15.xls")

基准测试:

注意:基准测试结果在Windows和* nix机器之间可能有所不同(如@Hansi在下面的注释中所述)。

那里有一些不错的答案。因此，现在是进行基准测试的时间了:)

tt <- rep(tt, 1e5) # tt is from above

require(microbenchmark)
require(stringr)
aa <- function() regmatches(tt, regexpr("[0-9].*[0-9]", tt))
bb <- function() gsub("[A-z \\.\\(\\)]", "", tt)
cc <- function() str_extract(tt,'([0-9]|[0-9][-])+')

microbenchmark(arun <- aa(), agstudy <- cc(), Jean <- bb(), times=25)
Unit: seconds
            expr      min       lq   median       uq       max neval
    arun <- aa() 1.951362 2.064055 2.198644 2.397724  3.236296    25
 agstudy <- cc() 2.489993 2.685285 2.991796 3.198133  3.762166    25
    Jean <- bb() 7.824638 8.026595 9.145490 9.788539 10.926665    25

identical(arun, agstudy) # TRUE
identical(arun, Jean) # TRUE