如何在R中匹配模式后提取一定长度的子字符串？

【问题标题】：How to extract a substring of certain length after matching pattern in R?如何在R中匹配模式后提取一定长度的子字符串？
【发布时间】：2020-01-02 23:48:24
【问题描述】：

我有一个字符串列表：string = c("PT11201320360429", "POSTEST1120122380820", "POST_TEST1120122380820")。我需要得到一个字符串向量，它只包含 PT11、POSTEST11 或 POST_TEST11 之后的四个数字（即 2013、2012 或 2012）。我怎样才能在 R 中做到这一点？谢谢！

【问题讨论】：

标签： r substring

【解决方案1】：

我们可以使用sub 提取出现在PT11|POSTEST11|POST_TEST11 之一之后的4 位数字。

sub("(PT11|POSTEST11|POST_TEST11)(\\d{4}).*", "\\2", string)
#[1] "2013" "2012" "2012"

【讨论】：

【解决方案2】：

由于 4 个数字出现在 11 之后，我们可以将其捕获为一个组，并在替换中使用捕获组的反向引用

sub("^P.*11(....).*", "\\1", string)
#[1] "2013" "2012" "2012"

或者用

让它更短

sub("^\\D+11(.{4}).*", "\\1", string)
#[1] "2013" "2012" "2012"

数据

string <- c("PT11201320360429", "POSTEST1120122380820", "POST_TEST1120122380820")

【讨论】：