提取遵循R中模式的字符串部分[重复]

Posted 2023-03-23

【中文标题】提取遵循R中模式的字符串部分[重复]

【英文标题】：Extracting string part that follows a pattern in R [duplicate]

【发布时间】：2019-08-07 03:24:34

【问题描述】：

我从网上收集了一个数据集，其中包含一组遵循某种模式的字符串，例如：

string <- c("<option value="AÉCIO NEVES|1117315%23221!MG=PSDB?74646">AÉCIO NEVES</option>", 
"<option value="KIM KATAGUIRI|1117562%23366!SP=DEM?204536">KIM KATAGUIRI</option>")

但我只想提取介于? 和> 之间的数字。

在本例中，我想提取 74646 和 204536。有没有办法自动收集这些数字，然后将它们放入新的数据框中？

【参考方案1】：

您可以通过多种方式提取数字。例如，使用stringi 包，您可以处理任务。我在正则表达式中使用了积极的前瞻/后视。我提取了前面有? 和后面有" 的数字。

string <- c("<option value=\"AÉCIO NEVES|1117315%23221!MG=PSDB?74646\">AÉCIO NEVES</option>", 
            "<option value=\"KIM KATAGUIRI|1117562%23366!SP=DEM?204536\">KIM KATAGUIRI</option>")


unlist(stri_extract_all_regex(str = string, pattern = "(?<=\\?)[0-9]+(?=\")"))

#[1] "74646"  "204536"