删除 1-3 位数字和字符串之前的所有字符 - r 和正则表达式

Question

我需要从如下所示的数据中提取毫克数量：

(100) x 10mg zepose valium ..(cipla in strips)
-- 20x2mg -- diclazepam
(10) clonazepam 2mg / roche rivotril 
...

在 R 中，我使用这个正则表达式来删除“mg”之后的所有文本：

dataset$quantity <- gsub('mg.+?$','mg',dataset$quantity)

输出是这样的：

(100) x 10mg
-- 20x2mg
(10) clonazepam 2mg

如何在保留数量的同时删除“mg”之前的文本？范围从1mg到200mg，所以从一位数到三位数。

有时在 mg 数字之前有空格，但并非总是如此。然而，一种模式是在 mg 数量之前永远不会有数字（除非用空格分隔）。

基于我对正则表达式的有限理解，因此我正在寻找一种可以删除 1-3 位数字和“mg”之前的所有字符的代码。我环顾四周，找不到我需要的东西。

编辑：

我想要的输出是：

10mg
2mg
2mg

请忽略文中指的是 1000mg (100 x 10mg)、40mg (20 x 2mg) 等。我认为我将不得不手动进行这些计算。

Answer 1

使用gsub/sub（在这种情况下无论是哪一个都没有关系，因为每行只有一个mg）：

dataset$quantity <- gsub('.+?(\\d+\\s?mg).+', '\\1', dataset$quantity)

或与str_extract 来自stringr：

library(stringr)
dataset$quantity = str_extract(dataset$quantity, "\\d+\\s?mg")

结果：

  quantity
1     10mg
2      2mg
3      2mg

注意事项：

1. .+? 一次或多次延迟匹配任何字符。

2. (\\d+\\s?mg) 是一个捕获组，它匹配一个数字一次或多次后跟一个空格零次或一次后跟文字 "mg"。

3. \\1 in gsub/sub 将模式替换为第一个捕获组中的任何内容，在本例中为 (\\d+\\s?mg)。因此gsub/sub 解决方案有效地删除了除<digits>[space]mg 之外的所有内容。

4. str_extract 是一种不同的方法，它提取模式，而不是替换。在这种情况下，我直接提取\\d+\\s?mg。

数据：

dataset = structure(list(quantity = c("(100) x 10mg zepose valium ..(cipla in strips)", 
"-- 20x2mg -- diclazepam", "(10) clonazepam 2mg / roche rivotril"
)), class = "data.frame", row.names = c(NA, -3L), .Names = "quantity")

Answer 2

1) sub 匹配 1-3 位数字之前的所有内容，然后是 mg，然后是其他任何内容，并将其替换为由数字和 mg 组成的捕获组（括号部分）的匹配项：

dat <- c("(100) x 10mg zepose valium ..(cipla in strips)", 
"-- 20x2mg -- diclazepam",
"(10) clonazepam 2mg / roche rivotril")

sub(".*?(\\d{1,3}mg).*", "\\1", dat)
## [1] "10mg" "2mg"  "2mg" 

如果您不想返回 mg 部分，请将右括号放在 mg 之前而不是之后。

2) strcapture 另一种可能是

strcapture("(\\d{1,3}mg)", dat, data.frame(mg = character(0)))

给出这个数据框：

    mg
1 10mg
2  2mg
3  2mg

更新：关于计算数量乘以毫克的问题有更新：

DF <- strcapture("(\\d+)\\D+(\\d+)", dat, data.frame(qty = numeric(0), mg = numeric(0)))
transform(DF, total = qty * mg, desc = sub(".*mg *", "", dat))

给予：

  qty mg total                              desc
1 100 10  1000 zepose valium ..(cipla in strips)
2  20  2    40                     -- diclazepam
3  10  2    20                  / roche rivotril