r - 通过跳过特定单词之间的其他单词仅提取特定单词之后的数字

Question

我正在查找单词“years”之前的两位数字和单词“years”之后的七位或八位数字。数据示例如下所示。

data <- "mr john is 45 years old his number is 12345678, mr doe is 57 years 7654321"

data <- as.list(data)

我尝试了这种方法，并成功地在“years”一词之前获取了两位数字:

stringr::str_extract_all(data,regex(".\\d{2}\\s(?:year)"))

我也尝试过这种方法来获取单词“years”后面的数字:

str_extract_all(data,regex(".\\d{2}\\s(?:year).\\d{7,8}"))

我设法获得了直接出现在单词“years”之后的数字:

" 57 year 7654321"

但是，我未能成功获取“years”一词后面的八位数字，其中在数字和“years”一词之间包含其他字符。

如何通过跳过其他单词/字符来仅检索单词“years”之后的数字？

非常感谢您的帮助

Answer 1

我们可以使用str_replace来匹配并删除“年份”前后的非数字，然后提取包括“年份”在内的年份前后的数字

library(stringr)
str_extract_all(str_replace_all(data,
     "(?<=years)\\D+|(\\D+)(?=years)", " "), "\\d{2}\\s+years\\s+\\d{7,8}")[[1]]
[1] "45 years 12345678" "57 years 7654321" 

---

或者另一种选择是使用 str_match 捕获数字以及“years”子字符串，然后将它们粘贴在一起

library(purrr)
library(dplyr)
str_match_all(data, "(\\d{2})\\D+(years)\\D+(\\d{7,8})")[[1]][,-1] %>% 
     as.data.frame %>% 
     invoke(str_c, sep =" ", .)
[1] "45 years 12345678" "57 years 7654321" 

数据

data <- "mr john is 45 years old his number is 12345678, mr doe is 57 years 7654321"