R：如果字符串包含点，则 parse_number 失败答案

【问题标题】：R: parse_number fails if the string contains a dotR：如果字符串包含点，则 parse_number 失败
【发布时间】：2020-04-20 17:23:06
【问题描述】：

如果字符串包含.，则来自readr 的parse_number 失败它适用于特殊字符。

library(readr)

#works
parse_number("%ç*%&23")

#does not work
parse_number("art. 23")

Warning: 1 parsing failure.
row col expected actual
  1  -- a number      .

[1] NA
attr(,"problems")
# A tibble: 1 x 4
    row   col expected actual
  <int> <int> <chr>    <chr> 
1     1    NA a number .

为什么会这样？

更新：

预期的结果是23

【问题讨论】：

parse_number("art.23") 产生0.23 因此句点被解释为浮点数的开始。 . 23 是一个格式错误的文字。
. 明显属于art，而art.是article的缩写，我认为缩写在字符串中很常见
我不怀疑人类会将该句点解析为缩写的一部分，但parse_number 似乎使用了一个将句点视为数字的一部分的正则表达式。也许可以改进该功能以处理此类情况。

标签： r readr

【解决方案1】：

点后有一个空格导致错误。这个序列的预期数字是多少（0.23 或 23）？

parse_number 似乎在寻找由您的语言环境定义的小数和分组分隔符，请参阅此处的文档 https://www.rdocumentation.org/packages/readr/versions/1.3.1/topics/parse_number

您可以选择使用以下方式更改区域设置（grouping_mark 是一个带空格的点）：

parse_number("art. 23",  locale=locale(grouping_mark=". ", decimal_mark=","))
Output: 23

或者去掉前面的空格：

parse_number(gsub(" ", "" , "art. 23")) 
Output: 0.23

编辑：要将点处理为缩写和数字，请使用以下内容：

library(stringr)

> as.numeric(str_extract("art. 23", "\\d+\\.*\\d*"))
[1] 23
> as.numeric(str_extract("%ç*%&23", "\\d+\\.*\\d*"))
[1] 23

上面使用正则表达式来识别字符串中的数字模式。

\\d+ 找到一个数字
\\.* 找到一个点
\\d* 查找剩余数字

注意：我不是正则表达式专家，但还有很多其他资源可以让你成为专家

【讨论】：

感谢您的回答。在我的例子中，. 用于缩写，也用作小数点。因此，更改语言环境对我来说无济于事。
@captcoma，我已经更新了我的答案。我建议阅读正则表达式/正则表达式以从字符串中解析出您需要的数字