解析“目录”以获得正确的页码答案

【问题标题】：Parsing 'Table of Contents' to get the correct page numbers解析“目录”以获得正确的页码
【发布时间】：2018-08-21 01:10:48
【问题描述】：

这是目录：

df <- tibble(ToC=
             c("3.1 texta.............. 22",
             "3.2 textb     25",
             "section 6 ................. 50",
             "section 10.2       65"))

我想将内容及其各自的页码提取为两个变量。我尝试了以下方法，但无法正常工作。

library(tidyverse); library(stringr)
df_toc <- df %>%
  mutate(page = as.numeric(str_extract(ToC, "[0-9]+")))

正确的页码应该是 22、25、50 和 65。我应该如何解决这个问题？

【问题讨论】：

几个cmets：（1）如果使用library(tidyverse)，则不需要library(stringr)； (2) 最好不要使用df作为变量名，以免与同名函数混淆。
你快到了..你只需要在你的正则表达式中使用$ 来指示字符串的结尾。 df %>% mutate(page = as.numeric(str_extract(ToC, "[0-9]+$")))
好的。谢谢你，罗纳克沙阿！

标签： r tidyverse stringr stringi

【解决方案1】：

试试这个（行尾的数字）：

df %>% 
  mutate(page = as.numeric(str_extract(ToC, "\\d+$")))

【讨论】：

这太棒了！