在R语言中用正则提取含€的欧元日房费列数值

方法1：直接提取数值（无视乱码符号） #

不管那个乱码的欧元符号，直接从字符串里抠出数字就行，两种实用方法：

base R 原生方法 #

用gsub()把所有非数字、非小数点的内容清空，再转成数值型：

train$average_daily_rate_num <- as.numeric(gsub("[^0-9.]", "", train$average_daily_rate))

[^0-9.]是正则表达式，匹配所有不是数字和小数点的字符，替换成空字符串后，剩下的就是纯数字内容。

stringr 包简化写法 #

如果装了stringr包，提取逻辑更直观：

library(stringr)
train$average_daily_rate_num <- as.numeric(str_extract(train$average_daily_rate, "\\d+(\\.\\d+)?"))

\\d+(\\.\\d+)?专门匹配整数或小数格式的数字，直接提取后转成数值即可。

方法2：从根源修复编码问题 #

欧元符号变成€本质是CSV导入时编码不匹配，重新导入时指定正确编码就能让符号显示正常（€）：

# 先试UTF-8编码
train <- read.csv("你的文件路径.csv", encoding = "UTF-8")
# 要是不行就换latin1编码（欧元符号在latin1里是特殊字符\x80）
train <- read.csv("你的文件路径.csv", encoding = "latin1")

符号正常后，再清理数值就更清晰：

train$average_daily_rate_num <- as.numeric(gsub("[€ ]", "", train$average_daily_rate))

特殊情况处理 #

如果数据里有千分位逗号（比如"1,200 €"），得先把逗号去掉再提取：

train$average_daily_rate_num <- as.numeric(gsub("[^0-9.]", "", gsub(",", "", train$average_daily_rate)))

内容的提问来源于stack exchange，提问作者coder_dude