R语言5个字符串处理实操问题咨询

以下实现默认使用stringr包（tidyverse生态常用的字符串处理包），也同步提供base R兼容写法。

需求1：提取第三个与第四个点号之间的数字，去除前导0 #

实现代码 #

library(stringr)
# stringr写法
extract1 <- function(x) {
  matched <- str_match(x, "^(?:[^.]+\\.){3}(\\d+)\\.")[,2]
  sub("^0+", "", matched)
}

# base R写法
extract1_base <- function(x) {
  matched <- regmatches(x, regexec("^(?:[^.]+\\.){3}(\\d+)\\.", x))[[1]][2]
  sub("^0+", "", matched)
}

测试验证 #

输入"01.030.131.012962.000000 -1/1 -"，输出结果为12962。

需求2：提取倒数第一个和倒数第二个点号之间的数字 #

实现代码 #

# stringr写法
extract2 <- function(x) {
  str_match(x, "\\.(\\d+)\\.[^.]*$")[,2]
}

# base R写法
extract2_base <- function(x) {
  regmatches(x, regexec("\\.(\\d+)\\.[^.]*$", x))[[1]][2]
}

测试验证 #

输入"33.31.17811849.0"，输出结果为17811849。

需求3：提取第二个与第三个斜杠之间的数字，去除前导0 #

实现代码 #

# stringr写法
extract3 <- function(x) {
  matched <- str_match(x, "^(?:[^/]+/){2}(\\d+)/")[,2]
  sub("^0+", "", matched)
}

# base R写法
extract3_base <- function(x) {
  matched <- regmatches(x, regexec("^(?:[^/]+/){2}(\\d+)/", x))[[1]][2]
  sub("^0+", "", matched)
}

测试验证 #

输入"2001/96/00000036/0"，输出结果为36。

需求4：提取第二个点号之后的所有数字，剔除内容左侧所有的0、点号、短横线 #

实现代码 #

# stringr写法
extract4 <- function(x) {
  # 截取第二个点之后的全部内容
  after_dot <- sub("^(?:[^.]+\\.){2}", "", x)
  # 剔除开头连续的0、.、-
  trimed <- sub("^[0.-]+", "", after_dot)
  # 提取所有数字并拼接
  str_replace_all(trimed, "\\D", "")
}

# base R写法
extract4_base <- function(x) {
  after_dot <- sub("^(?:[^.]+\\.){2}", "", x)
  trimed <- sub("^[0.-]+", "", after_dot)
  gsub("\\D", "", trimed)
}

测试验证 #

输入"0118.11.54.779-9"，输出结果为547799。

需求5：提取775、776或746三个数字序列之后的前7位数字 #

实现代码 #

# stringr写法
extract5 <- function(x) {
  str_match(x, "(?:775|776|746)(\\d{7})")[,2]
}

# base R写法
extract5_base <- function(x) {
  regmatches(x, regexec("(?:775|776|746)(\\d{7})", x))[[1]][2]
}

测试验证 #

输入"0306920189907750240991000"，输出结果为0240991。

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