R stringr如何提取years前两位数字及years后7-8位数字（跳过中间字符）

解决方案 #

你可以直接使用带惰性匹配的正则结合str_match_all同时提取years前后的目标数字，也可以单独提取后续的7-8位数字，代码如下：

library(stringr)
# 示例数据
data <- "mr john is 45 years old his number is 12345678, mr doe is 57 years 7654321"

# 方案1：同时提取years前的两位年龄、years后的7-8位数字
match_res <- str_match_all(data, "(\\d{2})\\s+years.*?(\\d{7,8})")[[1]]
age_list <- match_res[,2] # 输出："45" "57"
num_list <- match_res[,3] # 输出："12345678" "7654321"

# 方案2：仅提取years后的7-8位数字
only_num <- str_extract_all(data, "(?<=years.*?)\\d{7,8}")[[1]]

正则逻辑说明 #

• 原来的代码中用单个.匹配字符，仅能匹配1个任意字符，所以当years和目标数字之间存在多个其他字符时无法匹配。我们替换为.*?惰性匹配符，会尽可能短的匹配中间的任意字符，直到碰到第一个符合要求的7-8位数字，不会出现跨结果匹配的问题。
• 你之前的正则里写的(?:year)只能匹配单数的year，需要改成years才能匹配你样本里的表述。
• 方案2中用到了可变长度后视断言(?<=years.*?)，可以在匹配到years加任意中间字符后，直接返回后面的7-8位数字，不需要额外提取分组。

内容的提问来源于stack exchange，提问作者Dite Bayu