在第一个连字符和连字符本身之前只保留数字

Question

我正在尝试删除第一个连字符之后出现的所有数字/字符。 这里有一些例子：

15-103025-01
800-40170-02
68-4974-01

我想要的输出：

15-
800-
68-

我读过这样的帖子：

1. Using gsub to extract character string before white space in R
2. truncate string from a certain character in R
3. Truncating the end of a string in R after a character that can be present zero or more times

但它们不是我想要的，因为其中提到的方法也会去掉我的连字符（只留下前 2 或 3 个数字）。

这是我迄今为止尝试过的：

gsub(pattern = '[0-9]*-$', replacement = "", x = data$id)
grep(pattern = '[0-9]*-', replacement = "", x = data$id)
regexpr(pattern = '[0-9]*-', text = data$id)

但并没有像我预期的那样真正工作。

Answer 1

实现这一点的几种方法，这里是一种：

have <- c("15-103025-01", "800-40170-02", "68-4974-01")
want <- sub(pattern = "(^\\d+\\-).*", replacement = "\\1", x = have)

因此，在您的正则表达式中，您将使用()'s 创建一个组，它与字符串的开头 (^) 后跟一个或多个数字 (\\d+) 和连字符 ( \\-)。组外是后面的任何其他字符 (.*)。

在替换部分，您指定\\1 来引用正则表达式的第一个（也是唯一一个）组。不添加任何其他内容意味着删除所有其他内容。

Answer 2

为什么不只是，

sub('-.*', '-', x)
#[1] "15-"  "800-" "68-"

然后对第二个连字符做同样的事情，

sub('-([^-]*)$', '-', x)
#[1] "15-103025-" "800-40170-" "68-4974-"

Answer 3

与 stringr 的替代品，据说向量的名称是 x

library(stringr)
str_sub(x,1,str_locate(x,"-")[ ,1])

这部分作为字符串的参数向量，在这种情况下返回匹配模式的位置“-”在字符串中

str_locate(x,"-")

所以这段代码将返回开始和结束位置的矩阵，在这种情况下，它们是相同的数字，因为“-”只是在相同位置开始和结束的一个字符

     start end
[1,]     3   3
[2,]     4   4
[3,]     3   3

当我们以这种方式进行子集化时

str_locate(x,"-")[ ,1]

我们得到

[1] 3 4 3

现在函数 str_sub 获取整个字符串的子字符串，我们指定子字符串的开始和结束位置。 所以基本上它读作向量 x 的所有元素创建一个从字符 1 开始并在第一个破折号的位置结束的子字符串，如前所示。

str_sub(x,1,str_locate(x,"-")[ ,1])