python - R正则表达式从字符串中提取信息

Question

有人告诉我 R 是一个很好的数据处理工具。所以我想弄清楚是否有可能(简单)使用 R 进行正则表达式数据提取。

下面是从 Python 中提取两个关键信息的示例:

import re

str = "oh, 100.0 dollar is 621.5 yuan"
m = re.search("([\d+\.\d+]+).*?([\d+\.\d+]+)",str)
if m:
    print m.group(1),"->",m.group(2)

Python 的输出是:

100.0 -> 621.5

Python 的结果真的很酷，但如何在 R 中高效地完成它？

Answer 1

好吧，您的正则表达式不正确，但确实符合您的预期。 character class定义一组字符。说——“匹配类指定的一个字符”。

因此，它匹配以下内容:

[\d+\.\d+]+   # any character of: digits (0-9), '+', '\.', digits (0-9), '+' 
              # (1 or more times)

使用 base R，您可以使用具有以下模式的 regmatches 和 gregexpr:

x <- 'oh, 100.0 dollar is 621.5 yuan'
m <- regmatches(x, gregexpr('\\d+(?:\\.\\d+)?', x, perl=T))[[1]]
paste(m[1], '->', m[2])
# [1] "100.0 -> 621.5"

正则表达式(解释)

\d+           # digits (0-9) (1 or more times)
(?:           # group, but do not capture (optional):
  \.          #   '.'
  \d+         #   digits (0-9) (1 or more times)
)?            # end of grouping