R中使用gsub正则提取列内多段引号整数值并求和的实现方法

现有代码问题 #

你当前使用的gsub()正则规则仅能匹配到第一个被双引号包裹的数值，剩余字符未被正确匹配替换，既无法插入分隔符也会残留多余符号。

实现方案 #

方案1：stringr包简便实现（推荐） #

直接提取所有符合规则的数值，无需手动处理分隔符，一步完成求和：

library(stringr)
# 直接生成求和结果列
proto_runs$sum_value <- sapply(
  str_extract_all(proto_runs$CompletedCycles, '(?<=")\\d+(?=")'),
  function(x) sum(as.integer(x))
)

如果需要先得到空格分隔的数值字符串，可额外增加一行代码：

proto_runs$value_str <- sapply(
  str_extract_all(proto_runs$CompletedCycles, '(?<=")\\d+(?=")'),
  paste, collapse = " "
)

正则说明：(?<=")\\d+(?=")使用前后断言匹配被双引号包裹的纯数字，自动过滤所有非目标内容。

方案2：纯Base R实现（无需额外安装包） #

使用regmatches + gregexpr完成匹配提取：

# 匹配所有符合规则的数值
match_res <- gregexpr('(?<=")\\d+(?=")', proto_runs$CompletedCycles, perl = TRUE)
# 提取数值后求和
proto_runs$sum_value <- sapply(
  regmatches(proto_runs$CompletedCycles, match_res),
  function(x) sum(as.integer(x))
)

如果需要空格分隔的字符串：

proto_runs$value_str <- sapply(
  regmatches(proto_runs$CompletedCycles, match_res),
  paste, collapse = " "
)

方案3：仅用gsub实现 #

如果要求必须使用gsub完成，可通过两次替换生成目标格式：

# 替换所有非数字、非双引号的字符为空，再把引号替换为空格，最后去掉首尾空格
proto_runs$value_str <- trimws(gsub('"', ' ', gsub('[^\\d"]', '', proto_runs$CompletedCycles)))
# 求和
proto_runs$sum_value <- sapply(
  strsplit(proto_runs$value_str, " "),
  function(x) sum(as.integer(x))
)

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