R-使用gregexpr从字符串中提取多个模式

Question

我正在使用一个数据集，其中有一个描述不同产品的列。 在产品说明中还包括产品的重量，这是我想提取的。 我的问题是某些产品采用双包装包装，这意味着说明以“ 2x”开头，而实际重量在说明的末尾。 例如：

x = '2x pet food brand 12kg'

我想做的就是将其缩短到2x12kg。 我不太擅长在R中使用regexp，并希望这里有人可以帮助我。

我尝试通过以下方式使用gregexp进行此操作：

m <- gregexpr("(^[0-9]+x [0-9]+kg)", x)

不幸的是，这只给了我10公斤，不包括2倍

我将不胜感激。

编辑----

在解决了最初的问题之后，我发现数据中有一些实例具有不同的格式，我也想提取这些实例：

x = 'Pet food brand 15x85g'
# Should be:
x = '15x85g'

我试图在gsub中处理OR语句，例如：

m <- gsub('^([0-9]+x)?[^0-9]*([0-9.]+kg)|([0-9]+x)?[^0-9]*([0-9.]+g)', '\\1\\2', x)
#And
m <- gsub('^([0-9]+x)?[^0-9]*([0-9.]+(kg|g)), x)

尽管这仍然可以提取公斤，但只会删除带有g的实例，并保留字符串的其余部分，例如：

x = 'Pet food brand    '

或者使用以下命令第二次运行gsub：

m <- gsub('([0-9]+x[0-9]+g)', '\\1', x)

后一个选项根本不提取产品的重量，只是使字符串完整无缺。

很抱歉，没有注意到字符串的格式之前有所不同。 再次，任何帮助将不胜感激。

Answer 1

您可以使用此正则表达式

m = gregexpr("([0-9]+x|[0-9.]+kg)", string, ignore.case = T)
result = regmatches(string, m)
r = paste0(unlist(result),collapse = "")

对于string = "2x pet food brand 12kg"您将获得"2x12kg"

如果千克带有小数，这也可以使用：

对于string = "23x pet food 23.5Kg"您将获得"23x23.5Kg"

Answer 2

（编辑以纠正@R。Schifini指出的错误）

您可以像这样使用正则表达式：

x <- '2x pet food brand 12kg'

gsub('^([0-9]+x)?[^0-9]*([0-9]+kg)', '\\1\\2', x)

## "2x12kg"

即使字符串开头没有“ 2x”，这也会使您获得帮助：

x <- 'pet food brand 12kg'

gsub('^([0-9]+x)?[^0-9]*([0-9]+kg)', '\\1\\2', x)

## "12kg"