文字列変数から数値形式を抽出する

Question

Rで45,000を超える変数を持つデータセットを使用しています。タイトル列から新しい列を作成しようとしています。ここでタイトル欄の2つの例は次のとおりです。

DIRECTIVE **2001/110/CE** DU CONSEIL DU 20 D<U+00C9>CEMBRE 2001 RELATIVE AU MIEL 

Directive **2010/33/UE** de la Commission du 21<U+00A0>mai 2010 rectifiant la version espagnole de la directive<U+00A0>2001/112/CE du Conseil relative aux jus de fruits et <U+00E0> certains produits similaires destin<U+00E9>s <U+00E0> l'alimentation humaine 

私は太字であるデータから新しい列を作成したいが、Rが読み込まれ、データをソートするために取得する方法がわかりません。

Answer 1

いくつかの方法があります。よりスケーラブルな方法は、おそらく正規表現を使用することです。

私は正規表現を作成しようとしていましたが、私は個人的にそれほど良くはありませんので、いくつかの欠陥があります。

regmatches(string, regexpr("\\d{4}\\/\\d{3}/[A-Za-z]{2}", string)) 

は、文字列1のために働くが、それを改善することができ、おそらく他の文字列2.間違った結果を与えるだろう。

他の方法は、タイトル欄にパターンを見つけることです。最初の単語は、常にdirectiveの場合：

trimws(substr(string,10,21)) 

より一貫性のある結果だろう。 trimws()を使用しているので、結果の列から空白を削除するだけです。