在R语言中从字符型数据提取威士忌ABV数值的问题求助

方法1：修正正则表达式（基础R实现） #

你的问题源于正则仅匹配整数数字，且未精准定位到%前的酒精度数值。调整正则规则，即可同时捕获整数和小数形式的ABV，再转成整数满足需求：

# 原始数据
name <- c("Aberfeldy, 12 year old, 40%", "Ardbeg, 1974 Vintage, Cask #3524, 49.9%")
price <- c(40, 20000)
example_data <- data.frame(name, price)

# 提取并转换ABV
example_data$ABV <- as.integer(as.numeric(gsub(".*([0-9]+(?:\\.[0-9]+)?)%.*", "\\1", example_data$name)))

# 输出结果
example_data

运行后得到目标格式：

name price ABV
1        Aberfeldy, 12 year old, 40%    40  40
2 Ardbeg, 1974 Vintage, Cask #3524, 49.9% 20000  49

正则规则解释 #

• .*：贪婪匹配任意字符，确保定位到最后一个带%的数值（避免误抓年份、桶号等其他数字）
• ([0-9]+(?:\\.[0-9]+)?)：核心捕获组，匹配整数或小数：
  • [0-9]+：匹配1位以上的整数部分
  • (?:\\.[0-9]+)?：可选的小数部分，?:表示非捕获组，?表示该部分可省略
• %.*：匹配%符号及后续所有字符，完成锚定

方法2：用stringr包简化提取（更直观） #

如果允许使用tidyverse工具，stringr::str_extract可以更简洁地实现需求：

library(stringr)

# 提取ABV并转成整数
example_data$ABV <- as.integer(as.numeric(str_extract(example_data$name, "[0-9]+(?:\\.[0-9]+)?(?=%)")))

核心逻辑解释 #

• str_extract：直接提取第一个符合模式的字符串
• (?=%)：正向预查规则，确保匹配的数字紧跟在%前，彻底避免误匹配其他数字

原始代码失败原因 #

你最初的正则.*?([0-9]+).*%存在两个关键问题：

1. 仅匹配整数数字序列，无法识别带小数点的数值
2. .*?是非贪婪匹配，会优先抓取字符串中靠前的数字片段，而非%前的目标数值，导致带小数的ABV只抓到了最后一位数字（如49.9%中的9）

内容的提问来源于stack exchange，提问作者Rhys Maredudd Davies