在R语言中提取字符串中-t与.html之间数字的方法求助

下面提供两种简单的方法来提取你需要的字符：

方法一：使用stringr包（推荐） #

stringr是R中处理字符串的常用工具包，语法简洁直观：

首先确保安装并加载包：

install.packages("stringr")
library(stringr)

然后执行提取操作：

data <- c("mies-are-going-straight-to-hell-t120497.html?sid=0e4851bc16db",
          "oss-on-wall-street-cryptocurrency-t120542.html?sid=1c1328efb1e39b40123679e173f184a1")

# 用零宽断言直接捕获目标数字
result <- str_extract(data, "(?<=-t)\\d+(?=\\.html)")

执行后result的结果就是：

> result
[1] "120497" "120542"

方法二：使用基础R函数（无需额外安装包） #

如果不想安装第三方包，可以用基础R的regmatches和regexpr组合：

data <- c("mies-are-going-straight-to-hell-t120497.html?sid=0e4851bc16db",
          "oss-on-wall-street-cryptocurrency-t120542.html?sid=1c1328efb1e39b40123679e173f184a1")

result <- regmatches(data, regexpr("(?<=-t)\\d+(?=\\.html)", data, perl = TRUE))

同样能得到目标结果：

> result
[1] "120497" "120542"

正则说明 #

两种方法用到的正则(?<=-t)\\d+(?=\\.html)是零宽断言：

• (?<=-t)：匹配前面是-t的位置（不包含-t本身）
• \\d+：匹配一个或多个数字
• (?=\\.html)：匹配后面是.html的位置（不包含.html本身）

这样就能精准提取-t之后、.html之前的数字部分。

内容的提问来源于stack exchange，提问作者sd3184