从句子中提取数字答案

【问题标题】：Extracting numbers from sentences从句子中提取数字
【发布时间】：2023-03-24 12:00:02
【问题描述】：

我需要从文本中提取一些数字。文字是

x <- "Lorem ipsum dolor sit amet[245], consectetur adipiscing (325). Deinde prima illa, quae in congressu[232]. solemus: Quid tu, inquit, huc? Sequitur disserendi ratio cognitioque 295. naturae;"

要提取的数字是 325 和 232。它们在括号内和句末。不包括其他数字。我试过strsplit(text, "[A-Za-z]+")，但没有得到我需要的东西。

【问题讨论】：

我对这里的反对票很好奇？

标签： regex r string text-extraction

【解决方案1】：

这是stringi 方法

x <- "Lorem ipsum dolor sit amet[245], consectetur adipiscing (325). Deinde prima illa, quae in congressu[232]. solemus: Quid tu, inquit, huc? Sequitur disserendi ratio cognitioque 295. naturae; Claudii libidini, qui tum erat summo ne imperio, dederetur"

library(stringi)
stri_extract_all_regex(x, "(?<=[\\[(])\\d+(?=[\\])][.?!])")

## [[1]]
## [1] "325" "232"

【讨论】：

很好奇，qdap 没有在括号中获取文本的功能吗？我虽然我是你之前用过几次。
是的，它有bracketXtract，但这个正则表达式不太通用（强制数字之间），因此更准确。我正在成为stringi 包的忠实粉丝，它具有快速、一致的结果。

【解决方案2】：

另一个：

r <- gregexpr("[[(]\\d+[])](?=\\.)", text, perl = TRUE)
(m <- regmatches(text, r)[[1]])
# [1] "(325)" "[232]"

as.integer(gsub("\\D", "", m))
# [1] 325 232

【讨论】：

【解决方案3】：

这是使用strsplit....的解决方案

> x <- 'Lorem ipsum dolor sit amet[245], consectetur adipiscing (325). Deinde prima illa, quae in congressu[232]. solemus: Quid tu, inquit, huc? Sequitur disserendi ratio cognitioque 295. naturae;'
> strsplit(x, '[^0-9]+')[[1]][3:4]
## [1] "325" "232"

或者使用base R来提取这些值。

> regmatches(x, gregexpr('[[(]\\K\\d+(?=[])](?!,))', x, perl=T))[[1]]
## [1] "325" "232"

【讨论】：

【解决方案4】：

带re模块

import re

string="Lorem ipsum dolor sit amet[245], consectetur adipiscing (325). Deinde prima illa, quae in congressu[232]. solemus: Quid tu, inquit, huc? Sequitur disserendi ratio cognitioque 295. naturae;"

print string

pattern = re.compile(r'(?<=[\[(])\d+(?=[\])]\.)')

result = pattern.findall(string)

print result

【讨论】：