如何在R语言中提取子串"sst"前的对应数字？

可以通过正则表达式精准匹配"SST/sst"前的数字，结合R语言工具实现需求，以下是两种可行方法：

方法1：使用stringr包（语法简洁，推荐） #

library(stringr)

# 匹配SST/sst前的数字片段，无匹配则返回NA
df1$num_sst <- str_extract(df1$bloods, "(\\d+)\\s*SST", ignore.case = TRUE)
# 提取片段中的纯数字部分
df1$num_sst <- str_extract(df1$num_sst, "\\d+")
# 将NA替换为0并转为数值型
df1$num_sst <- as.integer(replace(df1$num_sst, is.na(df1$num_sst), 0))

方法2：基础R实现（无需额外安装包） #

# 用正则表达式匹配目标内容，提取捕获组
matches <- regexec("(\\d+)\\s*SST", df1$bloods, ignore.case = TRUE)
# 提取匹配到的数字，无匹配则返回NA
num_sst <- sapply(regmatches(df1$bloods, matches), function(x) if(length(x)>1) x[2] else NA)
# 替换NA为0并转为数值型
df1$num_sst <- as.integer(replace(num_sst, is.na(num_sst), 0))

最终输出结果 #

运行代码后，df1会新增num_sst列，结果如下：

> df1
  subject_id                  bloods num_sst
1    191-5467          2 SST, 1 EDTA       2
2    191-6784          1 EDTA 2 sst       2
3    191-3457           1SST, 2 EDTA       1
4    191-0987 2 EDTA, 1SST collected       1
5    191-1245           2SST, 1EDTA       2
6    191-1945               1 EDTA       0

正则表达式说明 #

• (\\d+)：捕获一个或多个连续数字，作为我们需要提取的目标值
• \\s*：匹配0个或多个空格，兼容数字与SST之间有/无空格的情况
• ignore.case = TRUE：忽略大小写，同时匹配大写的SST和小写的sst

内容的提问来源于stack exchange，提问作者Thandi