R正则表达式Lookbehind

Question

我有一个向量填充以下格式的字符串： <year1><year2><id1><id2>

向量的第一个条目如下所示：

199719982001
199719982002
199719982003
199719982003

对于第一个条目，我们有：year1 = 1997，year2 = 1998，id1 = 2，id2 = 001。

我想写一个正则表达式，它取出year1，id1和id2的数字不为零。 所以对于第一个条目，正则表达式应该输出：199721。

我尝试使用stringr包，并创建了以下正则表达式：

"^\\d{4}|\\d{1}(?<=\\d{3}$)"

拉出year1和id1，然而当使用lookbehind我得到一个“无效的正则表达式”错误。 这对我来说有点令人费解，R不能处理前瞻和外观吗？

Answer 1

您将需要使用base包中的gregexpr 。 这有效：

> s <- "199719982001"
> gregexpr("^\\d{4}|\\d{1}(?<=\\d{3}$)",s,perl=TRUE)
[[1]]
[1]  1 12
attr(,"match.length")
[1] 4 1
attr(,"useBytes")
[1] TRUE

请注意perl=TRUE设置。 有关详细信息，请查看?regex 。

从输出来看，你的正则表达式不会捕获id1 。

Answer 2

由于这是固定格式，为什么不使用substr？ 使用substr(s,1,4)提取year1 ，使用substr(s,9,9)提取id1 ，将id2提取为as.numeric(substr(s,10,13)) 。 在最后一种情况下，我使用as.numeric来摆脱零。

Answer 3

你可以使用sub。

sub("^(.{4}).{4}(.{1}).*([1-9]{1,3})$","\\1\\2\\3",s)