文字列から数字と文字を抽出するR

Question

文字列があり、3つの数字と各数字の隣に3文字の最初のセットを抽出し、ベクトルに入れたいと思います。だから、この：

t1 <- "The string contains numbers ranging from 3-4 cm and can reach up to 5.6 m long, and sometimes can even reach 10 m." 

t1はなる：

"3-4 cm", "5.6 m", "10m" 

私はgreplなどのgrep、のような様々な正規表現関数を見上げてきたが、私のクエリに一致する例を見つけることができません。 提案がありますか？

Answer 1

あなたはこの正規表現[0-9.-]+\\s+[a-zA-z]{1,3}を試してみて、それらを抽出するためにstr_extract_allstringrからパッケージを使用することができます。

stringr::str_extract_all(t1, "[0-9.-]+\\s+[a-zA-Z]{1,3}") 
[[1]] 
[1] "3-4 cm" "5.6 m" "10 m" 

Answer 2

はここで、これはgregexpr() + regmatches()で行うことができます方法は次のとおりです。

ipartRE <- '\\d+'; 
fpartRE <- '\\.\\d+'; 
numRE <- paste0(ipartRE,'(?:',fpartRE,')?'); 
rangeRE <- paste0(numRE,'(?:\\s*-\\s*',numRE,')?'); 
pat <- paste0(rangeRE,'\\s*[a-zA-Z]{1,3}\\b'); 
regmatches(t1,gregexpr(perl=T,pat,t1))[[1L]]; 
## [1] "3-4 cm" "5.6 m" "10 m" 

私が築き上げ人間の読みやすさのためにコンポーネント部分からのインクリメンタルな正規表現ですが、明らかにそうする必要はありません。

---

新しいパターンと一致させるには、番号を囲むカッコが一致する2番目の番号を変更する必要があります。また、私はない通常のASCII hyphenで120(–150) cmでダッシュことがわかったが、en dashで、私はすべての3つの一般的なダッシュ種類（半角ダッシュASCII、およびem dash）と一致dashREと呼ばれる別の予め計算された正規表現の作品を追加：

を

ipartRE <- '\\d+'; 
fpartRE <- '\\.\\d+'; 
numRE <- paste0(ipartRE,'(?:',fpartRE,')?'); 
dashRE <- '[—–-]'; 
rangeOptParenRE <- paste0(numRE,'(?:\\s*(?:',dashRE,'\\s*',numRE,'|\\(\\s*',dashRE,'\\s*',numRE,'\\s*\\)\\s*))?'); 
pat <- paste0(rangeOptParenRE,'\\s*[a-zA-Z]{1,3}\\b'); 
regmatches(t1,gregexpr(perl=T,pat,t1))[[1L]]; 
## [1] "3-4 cm"  "120(–150) cm" "5.6 m"  "10 m"