R语言中如何提取地址文本括号内的目标数字?
括号内目标数字提取实现方案
问题根源
之前使用gsub('[a-zA-Z]', '', test)得到不符合预期的结果,核心原因是操作没有设置括号边界,全局删除所有字母的过程中,把括号外"St 11"、"St 12"包含的非目标数字也一并保留了。
此前尝试grep、str_extract、str_subset未得到预期结果,也是因为匹配规则没有限定括号范围,全局抓取数字时混入了括号外的非目标值。
实现仅提取括号内部所有数字的需求,核心逻辑是先框定括号的覆盖范围,仅在括号包裹的文本区间内提取数字,完全隔离括号外的内容。
具体实现方法
适配stringr生态(匹配已有操作习惯)
该方案和此前使用的str_extract等函数逻辑一致,学习成本极低:
- 加载依赖包
library(stringr) - 分两步完成提取,逻辑清晰易排查
- 第一步:定位所有左括号
(之后、右括号)之前的整段文本,完全过滤括号外的无关内容 - 第二步:从提取到的括号内文本中,抓取所有连续的数字序列
对应代码:
# 提取所有括号包裹的文本内容 bracket_content <- str_extract_all(test, "(?<=\\()[^)]+") # 从括号内容中提取所有数字,展平为独立向量 target_result <- unlist(str_extract_all(bracket_content, "\\d+")) - 第一步:定位所有左括号
- 针对示例字符串,运行后输出的结果完全匹配预期:
[1] "110" "111" "112" "113" "119" "120" "122" "124" "126" "127" "128" "129" [13] "132" "133" "134" "108"
Base R 原生实现
如果不需要加载额外的tidyverse依赖,可以直接用base R的正则函数完成同等功能:
# 匹配所有括号内的文本片段 bracket_content <- regmatches(test, gregexpr("(?<=\\()[^)]+", test, perl = TRUE)) # 从括号文本中提取所有数字并展平 target_result <- unlist(regmatches(unlist(bracket_content), gregexpr("\\d+", unlist(bracket_content))))
运行结果和上述方案完全一致。
适配多值数据集的说明
该逻辑支持test为多组字符串组成的数据集(字符向量)的场景,每条字符串内的多组括号、括号内的多个数字都会被完整提取,不会遗漏。如果提取的数字需要参与后续数值计算,只需要在最后一步套一层as.numeric()即可完成格式转换。
内容的提问来源于stack exchange,提问作者itdriger
相关产品推荐
相关产品推荐

