如何使用正则表达式在特定字符之后提取一串数字的特定实例答案

【问题标题】：How to extract a specific instance of a string of digits after a specific character using regex如何使用正则表达式在特定字符之后提取一串数字的特定实例
【发布时间】：2021-06-29 03:47:23
【问题描述】：

标题可能令人困惑，所以请允许我详细说明一下，假设我已经初始化了以下字符串

some_string_1 <- "Charges: $400.50 applied to account 1, $300.70 applied to account 2, $120.30 applied to account 3"

some_string_2 <- "Charges: $500.50 applied to account 2, $200.10 applied to account 3, $150.90 applied to account 1"

假设我只关注账户 1，所以我想提取与账户 1 的费用相关的美元符号之后的数字。我想知道如何使用正则表达式和 str_extract 等函数，我可以获得以下信息输出：

假设我打电话给str_extract(some_string_1, regexp)，我想给它

[1] "400.50"

假设我打电话给str_extract(some_string_2, regexp)，我希望它给

[1] "150.90"

如您所见，帐户 1 的费用在两个字符串中的不同位置（它是字符串 1 中列出的第一个费用，但字符串 2 中列出的第三个费用），因此正则表达式必须考虑到这一点。

到目前为止，我所拥有的只有以下内容：regexp <- "(?<=\\$)\\d+(?=.)"，它成功地给了我出现在字符串中的第一个美元符号之后的数字（没有小数位的数字），但我不知道如何指定我只想要与帐户 1 上应用的费用相关联的美元符号后面的数字。在这方面寻求帮助。

【问题讨论】：

标签： r regex

【解决方案1】：

不是您正在寻找的正则表达式答案 -

vec <- c(some_string_1, some_string_2)

sapply(strsplit(vec, ',\\s*'), function(x) 
  sub('.*\\$(\\d+\\.\\d+).*', '\\1', x[grep('account 1', x)]))

#[1] "400.50" "150.90"

这里的逻辑是将每个帐户拆分为单独的向量并从'account 1'中提取数字。

【讨论】：

有趣，这绝对有效。不过出于好奇，您认为使用正则表达式可以实现这样的事情吗？
这绝对是可能的。不过我现在想不通。

【解决方案2】：

这是解决您问题的一种方法。我不使用r，所以我无法为您提供任何代码。

正则表达式

(\$\d+(?:\.\d+)?)[^,\"]*account [#{range}]

其中#{range} 可以是1-1、2-3 等等。您感兴趣的部分将在比赛的第1组中获得。请注意，必须应用正则表达式全局才能找到所有匹配项。

输出

#{range} = 1-1

match 1:                                 match 2:
$400.50 applied to account 1             $150.90 applied to account 1
group-1:                                 group-1:
$400.50                                  $150.90


#{range} = 2-3

match 1:                                 match 2:
$300.70 applied to account 2             $120.30 applied to account 3
group-1:                                 group-1:
$300.70                                  $120.30

match 3:                                 match 4:
$500.50 applied to account 2             $200.10 applied to account 3
group-1:                                 group-1:
$500.50                                  $200.10

测试链接： https://regex101.com/r/w3VY4I/1

如果您遇到任何其他问题，请发表评论。

【讨论】：

【解决方案3】：

您也可以使用以下策略将这些字符串转换为排列整齐的数据

library(tidyverse)

some_string_1 <- "Charges: $400.50 applied to account 1, $300.70 applied to account 2, $120.30 applied to account 3"

some_string_2 <- "Charges: $500.50 applied to account 2, $200.10 applied to account 3, $150.90 applied to account 1"

c(some_string_1, some_string_2) %>% as.data.frame() %>%
  setNames('Strings') %>%
  mutate(ID = row_number()) %>%
  separate_rows(Strings, sep = ', ') %>%
  extract(Strings, into = c('Amt', 'Account'), regex = '\\$(\\d+\\.\\d*).*(account \\d+)') %>%
  pivot_wider(names_from = Account, values_from = Amt)

#> # A tibble: 2 x 4
#>      ID `account 1` `account 2` `account 3`
#>   <int> <chr>       <chr>       <chr>      
#> 1     1 400.50      300.70      120.30     
#> 2     2 150.90      500.50      200.10

在pivot_wider 中使用values_fn = as.numeric 参数将同时将字符值转换为数字，这可能有助于进一步分析。

【讨论】：

【解决方案4】：

仅使用stringr::str_extract 的方法可能是：

stringr::str_extract(some_string_1, "(?<=\\$)\\d*\\.?\\d*(?=[^$]*account 1)")
#[1] "400.50"

stringr::str_extract(some_string_2, "(?<=\\$)\\d*\\.?\\d*(?=[^$]*account 1)")
#[1] "150.90"

【讨论】：