[英]R Regular Expression Lookbehind
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}$)"
拉出year1和id1,然而当使用lookbehind我得到一个“无效的正则表达式”错误。 这对我来说有点令人费解,R不能处理前瞻和外观吗?
您将需要使用base
包中的gregexpr
。 这有效:
> s <- "199719982001"
> gregexpr("^\\d{4}|\\d{1}(?<=\\d{3}$)",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
。
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。
你可以使用sub。
sub("^(.{4}).{4}(.{1}).*([1-9]{1,3})$","\\1\\2\\3",s)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.