R gsub和regex查找價格

Question

我正在嘗試根據給定的文本創建新的價格向量。 我只被允許使用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')

所需輸出：

# [1] 26500 79200  3880 69000  7495

我嘗試了多個正則表達式，但無法獲得正確的結果。

第一次嘗試：

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"

第二次嘗試：

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"

第三次嘗試：

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"

第四次嘗試：

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"

問題 ：如何解決此問題並避免使用多個gsub函數調用？

Answer 1

我不相信有一種方法可以只對gsub使用一次調用，因為您需要預處理最后一個價格（其中數字之間用空格“斷開”，而第一個價格用逗號十進制分隔符）。

我只能將代碼“壓縮”到2個gsub調用中：

• gsub("([$]|(?!^)\\\\G)[\\\\s,]*(\\\\d)", "\\\\1\\\\2", test, perl=T)將刪除逗號， $符號后面的數字之間的空格
• gsub("^(?|[\\\\s\\\\S]*-[$](\\\\d+)|[\\\\s\\\\S]*[$](\\\\d+))[\\\\s\\\\S]*$", "\\\\1", test, perl=T)實際上會從字符串中獲取所需的價格編號。

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

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

由於您正在學習正則表達式，因此以下是正則表達式細分：

正則表達式1：

• ([$]|(?!^)\\\\G) -匹配並捕獲與$符號匹配的“前導邊界”構造，並在每次成功匹配后與(?!^)\\G （ \\G也匹配開頭的字符串，我們用負的前瞻(?!^)消除它
• [\\\\s,]* -匹配0個或多個逗號或空格
• (\\\\d) -匹配並捕獲一個數字

使用\\1\\2替換模式，我們將$符號及其后的數字還原到字符串中。

正則表達式2：

• ^ -字符串的開頭
• (?|[\\\\s\\\\S]*-[$](\\\\d+)|[\\\\s\\\\S]*[$](\\\\d+)) - 分支重置組 （ (?|...|...) ），其中捕獲組索引被重置為1（因此，我們只需要在替換模式中使用\\1引用來解決兩個(\\\\d+)來自每個替代項的匹配）。
  • [\\\\s\\\\S]*-[$](\\\\d+) -任何零個或多個字符（ [\\s\\S]* ），后跟一個連字符，再一個$ ，再一個1個或多個數字（ \\d+ ，第1組）
  • | - 要么...
  • [\\\\s\\\\S]*[$](\\\\d+) -任何零個或多個字符（ [\\s\\S]* ），后跟$ ，然后是1個或多個數字（ \\d+ ， 仍為組1 ）

然后，我們僅用\\1反向引用替換所有內容，以得到結果。 - [\\\\s\\\\S]*$ -任意字符，出現0次或更多（ [\\s\\S]* ），直至字符串（ $ ）的末尾。