R gsub和regex查找价格

Question

我正在尝试根据给定的文本创建新的价格向量。 我只被允许使用gsub 。

test = c('Testing $26,500\ntesting', 
         'Testing tesing $79+\n TOTAL: $79200', 
         'Testing $3880. Testing', 
         'Testing -$69000Engine: $69000100%',
         'Testing testing original price : $ 8 2 9 5 . Real price is $ 7 4 9 5')

所需输出：

# [1] 26500 79200  3880 69000  7495

我尝试了多个正则表达式，但无法获得正确的结果。

第一次尝试：

gsub(".*\\$(\\d+)[,|.](\\d+).*", "\\1\\2", test)
# [1] "26500"                                                               
# [2] "Testing tesing $79+\n TOTAL: $79200"                                 
# [3] "Testing $3880. Testing"                                              
# [4] "Testing -$69000Engine: $69000100%"                                   
# [5] "Testing testing original price : $ 8 2 9 5 . Real price is $ 7 4 9 5"

第二次尝试：

gsub(".*\\$(\\d+)[,|.].*", "\\1", test) 
# [1] "26"                                                                  
# [2] "Testing tesing $79+\n TOTAL: $79200"                                 
# [3] "3880"                                                                
# [4] "Testing -$69000Engine: $69000100%"                                   
# [5] "Testing testing original price : $ 8 2 9 5 . Real price is $ 7 4 9 5"

第三次尝试：

gsub("(?:.*|.*?*)\\$([0-9]+).*", "\\1", test) 
# [1] "26"                                                                  
# [2] "79200"                                                               
# [3] "3880"                                                                
# [4] "69000100"                                                            
# [5] "Testing testing original price : $ 8 2 9 5 . Real price is $ 7 4 9 5"

第四次尝试：

gsub(".*[-]\\$(\\d+).*", "\\1", test) 
# [1] "Testing $26,500\ntesting"                                            
# [2] "Testing tesing $79+\n TOTAL: $79200"                                 
# [3] "Testing $3880. Testing"                                              
# [4] "69000"                                                               
# [5] "Testing testing original price : $ 8 2 9 5 . Real price is $ 7 4 9 5"

问题 ：如何解决此问题并避免使用多个gsub函数调用？

Answer 1

我不相信有一种方法可以只对gsub使用一次调用，因为您需要预处理最后一个价格（其中数字之间用空格“断开”，而第一个价格用逗号十进制分隔符）。

我只能将代码“压缩”到2个gsub调用中：

• gsub("([$]|(?!^)\\\\G)[\\\\s,]*(\\\\d)", "\\\\1\\\\2", test, perl=T)将删除逗号， $符号后面的数字之间的空格
• gsub("^(?|[\\\\s\\\\S]*-[$](\\\\d+)|[\\\\s\\\\S]*[$](\\\\d+))[\\\\s\\\\S]*$", "\\\\1", test, perl=T)实际上会从字符串中获取所需的价格编号。

IDEONE演示 ：

test <- c("Testing $26,500\ntesting","Testing tesing $79+\n TOTAL: $79200","Testing $3880. Testing", "Testing -$69000Engine: $69000100%","Testing testing original price : $ 8 2 9 5 . Real price is $ 7 4 9 5")
test <- gsub("([$]|(?!^)\\G)[\\s,]*(\\d)", "\\1\\2", test, perl=T)
test <- gsub("^(?|[\\s\\S]*-[$](\\d+)|[\\s\\S]*[$](\\d+))[\\s\\S]*$", "\\1", test, perl=T)
test

结果： [1] "26500" "79200" "3880" "69000" "7495"

由于您正在学习正则表达式，因此以下是正则表达式细分：

正则表达式1：

• ([$]|(?!^)\\\\G) -匹配并捕获与$符号匹配的“前导边界”构造，并在每次成功匹配后与(?!^)\\G （ \\G也匹配开头的字符串，我们用负的前瞻(?!^)消除它
• [\\\\s,]* -匹配0个或多个逗号或空格
• (\\\\d) -匹配并捕获一个数字

使用\\1\\2替换模式，我们将$符号及其后的数字还原到字符串中。

正则表达式2：

• ^ -字符串的开头
• (?|[\\\\s\\\\S]*-[$](\\\\d+)|[\\\\s\\\\S]*[$](\\\\d+)) - 分支重置组 （ (?|...|...) ），其中捕获组索引被重置为1（因此，我们只需要在替换模式中使用\\1引用来解决两个(\\\\d+)来自每个替代项的匹配）。
  • [\\\\s\\\\S]*-[$](\\\\d+) -任何零个或多个字符（ [\\s\\S]* ），后跟一个连字符，再一个$ ，再一个1个或多个数字（ \\d+ ，第1组）
  • | - 要么...
  • [\\\\s\\\\S]*[$](\\\\d+) -任何零个或多个字符（ [\\s\\S]* ），后跟$ ，然后是1个或多个数字（ \\d+ ， 仍为组1 ）

然后，我们仅用\\1反向引用替换所有内容，以得到结果。 - [\\\\s\\\\S]*$ -任意字符，出现0次或更多（ [\\s\\S]* ），直至字符串（ $ ）的末尾。