R语言如何正确统计非列表项格式的数字出现频率？

原代码的核心问题 #

1. 拆分小数为多个整数统计：原正则用\\d+仅匹配独立整数，会把10.5这类小数拆成10和5两个部分计数，导致第四个测试用例错误统计为2个，而实际应算1个。
2. 排除逻辑错误：
   • 字符类[\\.\\b]中的\\b是退格符，不是单词边界，导致排除“数字+. ”的逻辑完全失效；
   • 未覆盖方括号]的排除场景，导致20]里的20被错误统计；
   • 两个独立断言(?![\\.\\b])和(?![\\)])的写法冗余且不准确，应合并为统一的排除断言。
3. 未单独处理带%的数字：原正则没有将带%的数字作为整体匹配，逻辑上未明确区分这类数字，存在潜在的匹配错误风险。

修正后的代码 #

library(stringr)
test <- c("25 1) 10) 15) 20] 10%", "1. 1.", "110 20 30", "1. 10.5", "one two")
# 正则分支说明：
# 1. 匹配文本数字one/two
# 2. 匹配带%的整数/小数（如10%、10.5%）
# 3. 匹配整数/小数，且后面不能紧跟.、)、]
str_count(test, "one|two|\\d+(?:\\.\\d+)?%|\\d+(?:\\.\\d+)?(?!\\.|[)\\]])")

执行后输出：

[1] 2 0 3 1 2

完全符合期望结果。

正则各部分解释 #

• one|two：直接匹配文本数字；
• \\d+(?:\\.\\d+)?%：匹配带%的数字，\\d+匹配整数部分，(?:\\.\\d+)?可选匹配小数部分（非捕获组避免额外分组），最后匹配%；
• \\d+(?:\\.\\d+)?(?!\\.|[)\\]])：匹配普通整数/小数，(?!\\.|[)\\]])是正向否定断言，确保数字后面没有紧跟.、)或]，排除列表项式数字。

内容的提问来源于stack exchange，提问作者Samarth A