如何使用常见的前一模式从字符串中提取字符？

Question

我试图使用子函数将包号与杂乱的字符串变量隔离开来。包号在字符串中由前面的"ParNum:“标识，所需数字周围的字符各不相同，但它们遵循这两个示例的一般形式。

string1 <- "Legal Description:  PrpId:0511552031 ParNum:0511552031 CC:05 T:7 R:8"
string2 <- "Legal Description:  Rmrk:PT OF PrpId:0511552031 ParNum:0511552031 CC:05 T:7 R:8"

悲惨的失败的努力：

> sub("[^:]*:)*[^:]*:", "", string1)
[1] "0511552031 ParNum:0511552031 CC:05 T:7 R:8"

预期结果：

0511552031

Answer 1

尝试在sub中使用以下模式

.*ParNum:([^[:blank:]]*).*

这与ParNum:匹配，然后捕获ParNum:后面的任何非空格/制表符字符。然后，捕获的数字在第一个捕获组中以\\1的形式可用。

代码片段：

string1 <- "Legal Description:  PrpId:0511552031 ParNum:0511552031 CC:05 T:7 R:8"
sub(".*ParNum:([^[:blank:]]*).*", "\\1", string1)
[1] "0511552031"

​

演示

​

Answer 2

我发现使用来自tidyverse的tidyverse包更容易做到这一点。(事实上，像这样的问题促使我第一次安装stringr)

library(stringr)

string1 <- "Legal Description:  PrpId:0511552031 ParNum:0511552031 CC:05 T:7 R:8"
string2 <- "Legal Description:  Rmrk:PT OF PrpId:0511552031 ParNum:0511552031 CC:05 T:7 R:8"

str_extract(string1, "(?<=ParNum:)[^[:blank:]]*")
# [1] "0511552031"

另外，str_extract和sub也是矢量化的，所以下面的工作

strings <- c(string1, string2)
str_extract(strings, "(?<=ParNum:)[^[:blank:]]*")
# [1] "0511552031" "0511552031"
sub(".*ParNum:([^[:blank:]]*).*", "\\1", strings)
# [1] "0511552031" "0511552031"

模式(?<=)是用于查找的正则表达式。这个站点有更多关于旁观者的信息。