如何从字符串中提取数字，包括数字之前的所有文本答案

【问题标题】：How to extract number, including all text before the number, from a string如何从字符串中提取数字，包括数字之前的所有文本
【发布时间】：2019-02-19 22:39:32
【问题描述】：

我有一个地址列表，其中包含 (1) 门牌号和 (2) 建筑物名称。我希望将字符串分成两列。棘手的部分是一些门牌号码包含字符，例如“贝克街 221B 号”。

下面的例子：

add <- c("5 Ark Royal House" , 
     "22A Blington Garden Lincoln Street", 
     "Flat 19 PICTON HOUSE" , 
     "2-3 Royal Albert Court" , 
     "Room 1 Grand Hall", 
     "No 17 The Dell Alpha House")

理想的结果如下所示：

aim <- data.frame("No"=as.character(c("5", "22A", "Flat 19", "2-3", "Room 1", "No 17")), 
              "Building" = as.character(c("Ark Royal House", 
                                          "Blington Garden Lincoln Street" , 
                                          "PICTON HOUSE", 
                                          "Royal Albert Court" , 
                                          "Grand Hall" , 
                                          "The Dell Alpha House")))

【问题讨论】：

标签： r regex

【解决方案1】：

使用stringr：

library(stringr)
lst <- str_match_all(add, "^(\\D*\\d[-\\w]*)\\s+(.+)")

(aim <- setNames(as.data.frame(do.call(rbind, lst)),
                c("all", "No", "Building")))

或者在原版 R 中：

pattern <- "^(\\D*\\d[-\\w]*)\\s+(.+)"
lst <- regmatches(add, regexec(pattern, add, perl = T))
(aim <- setNames(as.data.frame(do.call(rbind, lst)),
                 c("all", "No", "Building")))

两者都会产生

                                 all      No                       Building
1                  5 Ark Royal House       5                Ark Royal House
2 22A Blington Garden Lincoln Street     22A Blington Garden Lincoln Street
3               Flat 19 PICTON HOUSE Flat 19                   PICTON HOUSE
4             2-3 Royal Albert Court     2-3             Royal Albert Court
5                  Room 1 Grand Hall  Room 1                     Grand Hall
6         No 17 The Dell Alpha House   No 17           The Dell Alpha House

请参阅 regex101.com 上的 a demo for the expression。

【讨论】：

【解决方案2】：

基本方法，找到数字和名称之间的差距，用一个有希望的中性字符替换它（在本例中为_，但它可能是你知道不在任何地址中的任何东西），然后拆分那个角色。

它假设包含数字的最后一个“单词”是“否”组件的结尾。如果这不适用于您的所有地址（适用于您的所有测试用例），那么这将不起作用。

add <- c("5 Ark Royal House" , 
  "22A Blington Garden Lincoln Street", 
  "Flat 19 PICTON HOUSE" , 
  "2-3 Royal Albert Court" , 
  "Room 1 Grand Hall", 
  "No 17 The Dell Alpha House")

split_add <- strsplit(gsub('([0-9\\-]+[0-9A-z]*) ', '\\1_', add), split='_')

aim <- setNames(as.data.frame(do.call(rbind, split_add)),
  c('No', 'Building'))

aim
#>        No                       Building
#> 1       5                Ark Royal House
#> 2     22A Blington Garden Lincoln Street
#> 3 Flat 19                   PICTON HOUSE
#> 4     2-3             Royal Albert Court
#> 5  Room 1                     Grand Hall
#> 6   No 17           The Dell Alpha House

^{由reprex package (v0.2.1) 于 2019 年 2 月 19 日创建}

【讨论】：