提取数字序列之间的所有字符串答案

【问题标题】：Extract All Strings between a sequence of numbers提取数字序列之间的所有字符串
【发布时间】：2018-04-11 13:08:34
【问题描述】：

我正在处理一个正则表达式，其中我有一个字符串，该字符串有一系列数字，四个数字然后名称重复多个。

文本模式是一系列 4 个数字，然后是一个字符串。我想在四个数字之后提取字符串。这四个数字必须出现在字符串之前。在下面的示例中，我不想提取“不是这个”，而是想要四个数字后面的字符串。

string_to_inspect <-"Not This One 4586 This one 8888 Another one 8955 PS109  8566 Last One"

我的理想提取是一个看起来像这样的字符向量：

"This one" "Another one" "PS109" "Last One"

我试过了

str_extract_all(pattern = "[0-9]{4}(.*?)", string = string_to_inspect)

它返回一个包含所有数字的字符串

"4586 This one 8888 Another one 8955 PS109  8566 Last One"

我尝试了各种组合，但我知道我一定遗漏了一些关键的东西。

【问题讨论】：

您的代码返回[1] "4586" "8888" "8955" "8566"。这里有什么要求？
strsplit(string_to_inspect, " \\d{4} ")，也许吧？
@WiktorStribiżew "This one" "Another one" "PS109" "Last One" 字符向量
这是预期的结果。对图案有什么要求？它应该匹配什么以及为什么？
您可以使用trimws(str_extract_all(string_to_inspect, "(?<=\\b[0-9]{4}\\s{1,100}).*?(?=\\b[0-9]{4}|$)")[[1]])。或trimws(str_match_all(string_to_inspect, "\\b[0-9]{4}\\s+(.*?)(?=\\b[0-9]{4}|$)")[[1]][,2]).

标签： r regex stringr

【解决方案1】：

我们可以将字符串分成四位数，去掉第一个，然后修剪空格。

library(stringr)

str_trim(str_split(string_to_inspect, pattern = "\\s[0-9]{4}\\s")[[1]][-1])
# [1] "This one"    "Another one" "PS109"       "Last One"

【讨论】：

完美！谢谢！
当心需要提取的值包含 4 位数字的情况（例如，如果您使用的是 PS1099 而不是 PS109）。
@WiktorStribiżew 请查看我的更新。如果我在四位数模式前后添加空格怎么办？这会有帮助吗？
@www 由于对 4 位上下文没有具体要求，并且给出了示例输入，是的，这很有帮助。

【解决方案2】：

strsplit(string_to_inspect, " [0-9]+ ")

【讨论】：

【解决方案3】：

如果您不希望字符串与数字混合出现问题：

string_to_inspect <-"Not This One 4586 This one 8888 Another one 8955 PS109  8566 Last One"
str2insp <- strsplit(string_to_inspect, ' ')[[1]]
str2insp[!gsub('[[:digit:]]', '', str2insp) == '']

输出：

#[1] "Not" "This" "One" "This" "one" "Another" "one" "PS109" "Last" "One"

【讨论】：