regex - 从原始字符串中提取模式

Question

我正在尝试从原始数据集中提取纬度和经度。我感兴趣的信息总是遵循相同的模式，即:

(,)(0-9)([.])(0-9) space (0-9)([.])(0-9)(,)

当我执行以下操作时，我能够准确删除我想要保留的信息。有没有一种方法可以做相反的事情，并使用 gsub 实际保留我正在删除的信息？

data$l1<-gsub('(,)([0-9]+)([.])([0-9]+)[ ]([0-9]+)([.])([0-9]+)(,)', 
              '\\2\\3\\4\\5\\6\\7',
              data$V1)

数据集看起来像这样:

V1
60346241,[37.55 55.22 5km],katekin,55.745011917 37.604520766,2013-12-04 11:59:07
603423423,[37.55 55.22 5km],#hello,#yes,miguel,53.23452 38.7379422,2013-12-04 11:49:09

因此，在此示例中，我想生成一个新变量 V2，即

V2
55.745011917 37.604520766
53.23452 38.7379422

Answer 1

我会使用 gregexpr和 regmatches

regmatches(d$V1, gregexpr("(?<=,)\\d{1,3}\\.\\d+\\s\\d{1,3}\\.\\d+", d$V1, perl = TRUE))

#[[1]]
#[1] "55.745011917 37.604520766"
#
#[[2]]
#[1] "53.23452 38.7379422"

取消列出并将其放入新变量由提问者决定。

此处的方法是查找 1 到 3 位数字，后跟小数点 (\\d{1,3}\\.)，然后是一些数字和一个空格 (\\d+\\s)，然后重复，但尾部没有空格。整个事情之前应该有一个逗号。因此，您可以对逗号使用后视(即 (?<=,) )

---

你可以使用 gsub ，尽管有一些细微的修改:

gsub("^.+?(?<=,)(\\d{1,3}\\.\\d+\\s\\d{1,3}\\.\\d+).+$", "\\1", d$V1, perl = TRUE)
# [1] "55.745011917 37.604520766" "53.23452 38.7379422"

随着 gsub方法，我使用捕获组来捕获我想要的部分:(\\d{1,3}\\.\\d+\\s\\d{1,3}\\.\\d+) , 但我也匹配从行首到我想要捕获的所有内容:^.+?(?<=,)以及它之后的所有内容，直到行尾:.+$

---

数据:

d <- read.table(text = "V1
60346241,[37.55 55.22 5km],katekin,55.745011917 37.604520766,2013-12-04 11:59:07
603423423,[37.55 55.22 5km],#hello,#yes,miguel,53.23452 38.7379422,2013-12-04 11:49:09", header = TRUE, comment.char = "", sep = "\t")