R中的正则表达式：如何从字符向量中的字母数字元素中提取某些字母？答案

【问题标题】：Regex in R: How to extract certain letters from alphanumeric element in character vector?R中的正则表达式：如何从字符向量中的字母数字元素中提取某些字母？
【发布时间】：2015-01-17 14:27:57
【问题描述】：

例如，我有以下字母数字元素的字符向量，其中包含元素内某处的状态缩写：

strings <- c("0001AZ226", "0001CA243", "0NA01CT134", "0001CT1NA", "0001ID112", "NAVA230")

如何提取字母，不包括 NA？即，

somefunction(strings)
[1] "AZ"  "CA"  "CT"  "CT"  "ID"  "VA"

我以前使用正则表达式来删除每个元素的所有非整数，但从不删除所有数字，只删除字母 N 和 A。

这是我尝试过的，但没有奏效：

 sub(paste(LETTERS[c(2:13,15:26)], collapse = "|"), "", strings, fixed = TRUE)

【问题讨论】：

gsub('\\d|NA', '', strings) \d 是数字的缩写，其他见?regex
如果 R 支持，可以使用环视来完成。

标签： regex r

【解决方案1】：

一个简单的解决方案：

gsub("\\d+|NA", "", strings)
# [1] "AZ" "CA" "CT" "CT" "ID" "VA"

【讨论】：

【解决方案2】：

可以使用 looarounds 来完成。

 # (?i)(?:(?!na|(?<=n)(?=a))[a-z])+

 (?i)           # Case insensitive modifier (or use as regex flag)
 (?:            # Cluster group
      (?!            # Negative assertion
           na             # Not NA ahead
        |  (?<= n )       # Not N behind,
           (?= a )        # and A ahead (at this location) 
      )              # End Negative assertion
      [a-z]          # Safe, grab this single character
 )+             # End Cluster group, do 1 to many times

仅匹配这些"AZ" "CA" "CT" "CT" "ID" "VA"

【讨论】：

【解决方案3】：

只要状态出现后仅跟三个字符。

strings.stripped <- gsub("([A-Z]{2}).{3}$", "\\1", strings)

【讨论】：

【解决方案4】：

state 数据集默认可用。看着：

 ?state

sts <- paste(state.abb,collapse="|")

sub(paste0( "(.+)(", sts, ")(.+)"), "\\2", strings)
[1] "AZ" "CA" "CT" "CT" "ID" "VA"

有人尝试编辑此内容并致电dput(states.abb)，然后将其粘贴到新作业中。鉴于state 始终可用，这是完全没有必要的，因此我拒绝了。我能看到的唯一价值可能是建议人们实际查看帮助页面并说明 state.abb 的样子：

?state
dput(state.abb)
#c("AL", "AK", "AZ", "AR", "CA", "CO", "CT", "DE", "FL", "GA", 
... snipped the rest.

【讨论】：

@BondedDust 这是一个非常优雅的解决方案！也不知道state 数据集。谢谢。
@BondedDust 你错过了我编辑的重点。 DC 不在state.abb 中。也许我的一些编辑被切断了？我明确表示“如果您想将此解决方案扩展到华盛顿、美国领土等”。
如果您想将向量扩展到地区、保护国、非国家联邦、军事单位和“领土”的邮政名称缩写（在我看来，这对美国来说似乎有点过时），使用起来不是更简单吗：c(state.abb, "DC", "PR","VI","GU","MP","AA","AE","AP", "FM","MH","PW")