如何使用正则表达式与R语言str_match_all函数提取包含specificWord行中的数字

咱们先拆解一下你的方案：你的正则表达式(?<=specificWord:\\s)\\d+,\\d*确实能匹配到前两个带逗号的小数（0,14和0,20），但会漏掉第三个整数1——因为这个正则强制要求数字里必须包含逗号，而最后一个目标值是没有逗号的整数，自然匹配不到。

修正后的实现方案 #

要覆盖「整数」和「带逗号的小数」两种情况，咱们调整正则表达式，再结合R的str_match_all完成提取：

1. 修正正则表达式
   把正则改成能匹配整数或带逗号小数的形式：

   p <- "(?<=specificWord:\\s)\\d+(?:,\\d+)?"
   

   解释一下关键部分：

   • (?<=specificWord:\\s)：正向预查，确保目标数字前面是specificWord:加空格，避免匹配到其他位置的数字
   • \\d+：匹配至少1位数字（整数部分，必选）
   • (?:,\\d+)?：非捕获组，匹配逗号加至少1位数字（小数部分，?表示这部分可选，也就是允许没有小数的整数）

2. 完整R代码实现

   # 定义原始字符串
   s <- "01-06-2021 line : 0.15 Rate : 0,30 % specificWord: 0,14 01-06-2021 line : 2 Rate : 0,30 % specificWord: 0,20 01-06-2021 line : 1.15 Rate : 1,05 % specificWord: 1 "
   
   # 修正后的正则
   p <- "(?<=specificWord:\\s)\\d+(?:,\\d+)?"
   
   # 提取所有匹配项
   matches <- str_match_all(s, p)[[1]]
   
   # 查看结果
   print(matches)
   

3. 输出结果
   运行后会得到所有目标数字：

   [1] "0,14" "0,20" "1"
   

额外优化（可选） #

如果需要把这些带逗号的数字转换成R能识别的数值型（把逗号换成点号），可以加一步处理：

numeric_values <- as.numeric(gsub(",", ".", matches))
print(numeric_values)
# 输出：[1] 0.14 0.20 1.00

内容的提问来源于stack exchange，提问作者problème0123