如何在R中解析单列数据，识别含多个真实采购订单的行？

首先，咱们得先明确什么是有效采购订单（PO），从你的示例来看，PO主要有几种典型格式：

• 纯6位数字（比如123456）
• 三段式带连字符的格式（比如ABC-123-XYZ）
• 带PO#或PO前缀的单个订单（比如PO#124、PO1234A）

而像Row4里的LD6975A更像发货编号，不属于PO范畴。接下来咱们就基于这些特征，一步步实现需求。

步骤1：模拟你的数据 #

先把示例内容转换成R可处理的数据框：

library(tidyverse)

# 创建示例数据
df <- tibble(
  myvalues = c(
    "123456 556613 456826",
    "My PO#124 is the last one",
    "ABC-123-XYZ DEF-789-JJJ LMQ-529-333",
    "PO1234A LD6975A SHIPPED"
  )
)

步骤2：定义有效PO的正则规则 #

结合示例里的PO格式，我们可以把匹配规则合并成一个正则表达式，用|分隔表示“或”：

# 匹配三种有效PO格式的正则
po_pattern <- "\\b\\d{6}\\b|\\b[A-Z]+-[0-9]+-[A-Z0-9]+\\b|\\bPO#?[A-Z0-9]+\\b"

• \\b\\d{6}\\b：匹配独立的6位纯数字PO
• \\b[A-Z]+-[0-9]+-[A-Z0-9]+\\b：匹配三段式带连字符的PO
• \\bPO#?[A-Z0-9]+\\b：匹配带PO或PO#前缀的PO

步骤3：统计PO数量并筛选目标行 #

用stringr::str_count()统计每行的有效PO数量，再筛选出数量≥2的行：

# 统计PO数量并筛选
result <- df %>%
  mutate(po_count = str_count(myvalues, po_pattern)) %>%
  filter(po_count >= 2)

# 查看结果
result

运行后会得到你想要的行：

# A tibble: 2 × 2
  myvalues                              po_count
  <chr>                                     <int>
1 123456 556613 456826                          3
2 ABC-123-XYZ DEF-789-JJJ LMQ-529-333           3

补充：适配更多PO格式 #

如果你的实际数据里还有其他PO格式，只需要修改po_pattern里的正则规则就行。比如如果有带P.O.前缀的PO，就把规则扩展成\\bP\\.?O\\.?#?[A-Z0-9]+\\b。

内容的提问来源于stack exchange，提问作者AJAY