regex - 用 R 中的正则表达式解析(可能)不存在的数字

Question

我正在尝试使用包 stringr 从 R 中的字符串中提取数字.有时，数字不存在。以下是一些示例字符串:

str <- c(
"cash dividends per share $ - $ - $ - $ 0.08 $ 0.16 cash",
"cash dividends per share $ 0.01 $ 12.10 $ 0.01 $ 0.08 $ 0.16 hello",
"cash dividends per share $ - $ - $ 0.91 $ - $ 0.16 world",
"cash dividends per share - - 0.12 - 0.16 hsac",
"cash dividends per share $ - $ - $ - $ - $ 0.16 afterwards",
"cash dividends per share $0.12 $ - $0.1 $ - $ - comes",
"cash dividends per share 0.12 - 0.12 - - text",
"cash dividends per share... 0.12 - 0.12 - - random",
"cash dividends per share...0.123 0.321 - - 0.12 blu",
"cash dividends per share ..... $ 0.12 $ - $ 0.12  $ - $ - foo",
"cash dividends per share ..... $0.42 $0.42 $-  $- $- bar")

我构建了以下正则表达式，IMO 应该匹配所有情况，但事实并非如此。当然，我也尝试了各种不同的，但我无法找出正确的一个(我什至看不到我想出的问题):

library("stringr")
rgxp <- "cash dividends [declared]* per share[ \\.]+[\\$]?[ ]?([-0.9\\.]+)[ ]?[\\$]?[ ]?([-0.9\\.]+)[ ]?[\\$]?[ ]?([-0.9\\.]+)[ ]?[\\$]?[ ]?([-0.9\\.]+)[ ]?[\\$]?[ ]?([-0.9\\.]+).*"
str_match_all(str, rgxp)

您是否看到上述正则表达式失败的任何问题？

编辑:我应该说我想要的输出总是一个包含五个元素的向量，即数字或连字符(如果没有数字)。谢谢!

Answer 1

使用 gsub用空格替换任何两个或多个连续点和任何非减号、数字或点的字符，然后使用 read.table 读入.省略 na.strings = "-"如果您希望减号出现在 NA 所在的位置。不使用任何包。

DF <- read.table(text = gsub("[^-0-9.]+|\\.{2,}", " ", str), fill = TRUE, na.strings = "-")

给出这个 data.frame:

> DF
      V1     V2   V3   V4   V5
1     NA     NA   NA 0.08 0.16
2  0.010 12.100 0.01 0.08 0.16
3     NA     NA 0.91   NA 0.16
4     NA     NA 0.12   NA 0.16
5     NA     NA   NA   NA 0.16
6  0.120     NA 0.10   NA   NA
7  0.120     NA 0.12   NA   NA
8  0.120     NA 0.12   NA   NA
9  0.123  0.321   NA   NA 0.12
10 0.120     NA 0.12   NA   NA
11 0.420  0.420   NA   NA   NA

注:如果您想用零替换 NA，请使用: DF[is.na(DF)] <- 0 .