从r中的字符串中提取一个数字

Question

你好，如何从文本中提取两个破折号之间的数字？

下面是一个示例数据集：

text.var <- c("abd-GEN-eft-na-M-D-BINED-10-XX1","abd-GEN-eft-na-M-D-BINED-2-XX2","abd-GEN-eft-na-M-D-BINED-3-XX1")
id <- c(1,2,3)

data <- data.frame("id"=id,"text"=text.var)

> data
  id                            text
1  1 abd-DEF-eft-na-M-D-BINED-10-XX1
2  2  abd-DEF-eft-na-M-D-BINED-2-XX2
3  3  abd-DEF-eft-na-M-D-BINED-3-XX1

我想提取"-"s之间的数字。我希望得到的结果是：

> data
  id                            text    number
1  1 abd-DEF-eft-na-M-D-BINED-10-XX1      10
2  2  abd-DEF-eft-na-M-D-BINED-2-XX2       2
3  3  abd-DEF-eft-na-M-D-BINED-3-XX1       3

有人能给点提示吗？

谢谢

Answer 1

您可以使用来自"stringr“包的str_extract函数：

library(stringr)
str_extract(text.var, "(?<=-)[0-9]+(?=-)")

(?<= )和(?= )是字符串，向后看和向前看选项。

Answer 2

您可以使用sub和正则表达式来完成这一任务。

text.var <- c("abd-GEN-eft-na-M-D-BINED-10-XX1","abd-GEN-eft-na-M-D-BINED-2-XX2","abd-GEN-eft-na-M-D-BINED-3-XX1")
id <- c(1,2,3)
number = as.numeric(sub(".*-(\\d+)-.*", "\\1", text.var))

data <- data.frame("id"=id,"text"=text.var, number)

data
 id                            text number
1  1 abd-GEN-eft-na-M-D-BINED-10-XX1     10
2  2  abd-GEN-eft-na-M-D-BINED-2-XX2      2
3  3  abd-GEN-eft-na-M-D-BINED-3-XX1      3

一些额外的细节

在正则表达式中，-\\d+-选择一个由虚线包围的数字序列。我在\d部件周围加上括号，以存储被发现用于获取-(\\d+)-的数字。.*在-(\\d+)-之前和之后匹配所有其他字符。因此，sub将用数字替换整个字符串。给出带有数字的字符串。我用as.numeric把这些变成数字而不是字符串。

Answer 3

我们可以使用str_extract

library(stringr)
library(dplyr)
data %>% 
   mutate(number = as.numeric(str_extract(text, "\\d+(?=-)")))
#    id                            text number
#1  1 abd-GEN-eft-na-M-D-BINED-10-XX1     10
#2  2  abd-GEN-eft-na-M-D-BINED-2-XX2      2
#3  3  abd-GEN-eft-na-M-D-BINED-3-XX1      3