正则表达式：拆分字符串时如何保留所有数字？

Question

问题

使用正则表达式，拆分字符串时如何保留所有数字？

概述

我想将字符向量 sample.text 中的每个元素拆分为两个元素：一个只有数字，另一个只有文本。

当前尝试删除最后一位

base::strsplit() 内部的这个正则表达式 - \\d\\s{1} 删除了最后一位数字。以下是我的尝试，以及我想要的输出。

# load necessary data -----
sample.text <-
  c("111110 Soybean Farming", "0116 Soybeans")

# split string by digit and one space pattern ------
strsplit(sample.text, split = "\\d\\s{1}")
# [[1]]
# [1] "11111"           "Soybean Farming"
# 
# [[2]]
# [1] "011"      "Soybeans"

# desired output --------
# [[1]]
# [1] "111110"           "Soybean Farming"
# 
# [[2]]
# [1] "0116"      "Soybeans"

# end of script #

任何关于如何拆分sample.text 以保留所有数字的建议将不胜感激！谢谢。

Answer 1

因为您在\\d 上进行拆分，所以正则表达式中存在已消耗 的数字，并且不存在于输出中。使用lookbehind代替数字：

strsplit(sample.text, split = "(?<=\\d) ", perl=TRUE)

http://rextester.com/GDVFU71820

Answer 2

一些替代解决方案，在第一次出现空格时使用非常简单的模式匹配：

1) 间接使用sub 替换您自己的分隔符，然后在您的分隔符上使用strsplit：

例如你可以用';'代替第一个空格（如果您知道数据中不存在该字符）：

strsplit( sub(' ', ';', sample.text), split=';')

2) 使用regexpr 和regmatches

你可以在第一个“”（空格字符）上进行有效匹配，然后拆分如下：

regmatches(sample.text, regexpr(" ", sample.text), invert = TRUE)

结果是一个列表，如果这是您根据样本所需的输出所追求的：

[[1]]
[1] "111110"          "Soybean Farming"

[[2]]
[1] "0116"     "Soybeans"

3) 使用 stringr 库：

library(stringr)
str_split_fixed(sample.text, " ", 2)  #outputs a character matrix

     [,1]     [,2]             
[1,] "111110" "Soybean Farming"
[2,] "0116"   "Soybeans"