R-使用gregexpr從字符串中提取多個模式

Question

我正在使用一個數據集，其中有一個描述不同產品的列。 在產品說明中還包括產品的重量，這是我想提取的。 我的問題是某些產品采用雙包裝包裝，這意味着說明以“ 2x”開頭，而實際重量在說明的末尾。 例如：

x = '2x pet food brand 12kg'

我想做的就是將其縮短到2x12kg。 我不太擅長在R中使用regexp，並希望這里有人可以幫助我。

我嘗試通過以下方式使用gregexp進行此操作：

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

不幸的是，這只給了我10公斤，不包括2倍

我將不勝感激。

編輯----

在解決了最初的問題之后，我發現數據中有一些實例具有不同的格式，我也想提取這些實例：

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

我試圖在gsub中處理OR語句，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)

盡管這仍然可以提取公斤，但只會刪除帶有g的實例，並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運行gsub：

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

后一個選項根本不提取產品的重量，只是使字符串完整無缺。

很抱歉，沒有注意到字符串的格式之前有所不同。 再次，任何幫助將不勝感激。

Answer 1

您可以使用此正則表達式

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

對於string = "2x pet food brand 12kg"您將獲得"2x12kg"

如果千克帶有小數，這也可以使用：

對於string = "23x pet food 23.5Kg"您將獲得"23x23.5Kg"

Answer 2

（編輯以糾正@R。Schifini指出的錯誤）

您可以像這樣使用正則表達式：

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

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

## "2x12kg"

即使字符串開頭沒有“ 2x”，這也會使您獲得幫助：

x <- 'pet food brand 12kg'

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

## "12kg"