R语言：如何提取字符串中abc对应的数值及数值范围？

针对你在数据框中提取abc对应数值的需求，我提供两个基于正则表达式的简洁方案，既能解决基础提取问题，也能支持数值范围的拆分：

1. 基础数值提取（单值场景） #

之前的str_match方案出错是因为正则表达式不够精准，我们可以用一个更通用的正则来匹配abc之后的第一个数字，不管中间是-、_、空格还是括号这类分隔符：

library(stringr)

# 模拟你的输入数据
B <- data.frame(
  checks = c(
    "there was no problem reported measures abc-96 xyz 450 327bbb11869 xyz 113 aaa 4 poc 470 b 3 surveyor issue",
    "abc(107 to 109) xyz 115 jbo xyz 104 optim",
    "problemm with caller abc 95 19468 4g xyz 103 91960 1 Remarks new loc reqd is problem",
    "abc_107 xyz 116 dor problem",
    "surevy done , no approximation issues abc 103 xyz 109 crux xyz 104",
    "ping test ok abc(86 rxlevel 84",
    "field is clean , can be used to buiild the required set up abc-86 xyz 94 Digital DSL No Building class Residential Building Type Multi",
    "abc 89 xyz 99 so as the user has no problem , check ping test"
  )
)

# 提取abc对应的第一个数值
basic_result <- data.frame(
  rows = seq(nrow(B)),
  Variable = "abc",
  Value = as.numeric(str_extract(B$checks, regex("abc[^\\d]*?(\\d+)", perl = TRUE)) %>% str_extract("\\d+"))
)

# 查看结果
print(basic_result)

输出结果： #

rows Variable Value
1    1      abc    96
2    2      abc   107
3    3      abc    95
4    4      abc   107
5    5      abc   103
6    6      abc    86
7    7      abc    86
8    8      abc    89

正则说明： #

• abc：精准匹配目标标识
• [^\\d]*?：非贪婪匹配abc之后的任意非数字字符（覆盖-、_、(、空格等分隔符）
• (\\d+)：捕获第一个连续数字串，确保拿到abc关联的数值

2. 支持数值范围的提取 #

如果需要识别abc(107 to 109)这类范围场景，并拆分为Value1和Value2，可以用带可选捕获组的正则：

# 匹配单值或范围值
range_matches <- str_match(B$checks, regex("abc[^\\d]*?(\\d+)(?:\\s*to\\s*(\\d+))?", perl = TRUE))

# 构造结果数据框
range_result <- data.frame(
  rows = seq(nrow(B)),
  Variable = "abc",
  Value1 = as.numeric(range_matches[, 2]),
  Value2 = as.numeric(range_matches[, 3])
)

# 查看结果
print(range_result)

输出结果： #

rows Variable Value1 Value2
1    1      abc     96     NA
2    2      abc    107    109
3    3      abc     95     NA
4    4      abc    107     NA
5    5      abc    103     NA
6    6      abc     86     NA
7    7      abc     86     NA
8    8      abc     89     NA

正则说明： #

• 前半部分和基础提取一致，负责捕获Value1
• (?:\\s*to\\s*(\\d+))?：这是一个可选非捕获组，仅当字符串中存在to时才会捕获Value2：
  • \\s*to\\s*：匹配to前后的任意空格（兼容to前后有无空格的情况）
  • (\\d+)：捕获范围的第二个数值
  • 末尾的?表示这个组是可选的，没有范围时Value2会返回NA

这个方案只用了1-2行核心代码就完成了提取，比之前的多步gsub操作简洁很多，同时覆盖了你所有的测试场景。

内容的提问来源于stack exchange，提问作者smokinjoe