从字符串向量中提取数字

Question

我有一个像这样的字符串：

years<-c("20 years old", "1 years old")

我想从这个向量中仅提取数字。期望的输出是一个向量：

c(20, 1)

我该怎么做呢？

- user1471980

Answer 1

怎么样？

# pattern is by finding a set of numbers in the start and capturing them
as.numeric(gsub("([0-9]+).*$", "\\1", years))

或者

# pattern is to just remove _years_old
as.numeric(gsub(" years old", "", years))

或者

# split by space, get the element in first index
as.numeric(sapply(strsplit(years, " "), "[[", 1))

- Arun

---

为什么需要 .*？如果想要匹配字符串开头，为什么不使用 ^[[:digit:]]+？ - sebastian-c

需要匹配整个字符串，因此.*是必要的。如果没有它，就不会删除任何内容。另外，请注意可以使用sub来替换gsub。 - Matthew Lundberg

如果数字不必出现在字符串的开头，使用以下代码：gsub(".*?([0-9]+).*", "\\1", years)，它可以提取 years 字符串中的第一个数字。请注意，此代码段使用的是正则表达式。 - Tomas

我想得到27。我不明白为什么添加条件（例如添加转义的“-”）会使结果变长... gsub(".*?([0-9]+).*?", "\\1", "Jun. 27–30") 结果：[1] "2730" gsub(".*?([0-9]+)\\-.*?", "\\1", "Jun. 27–30") 结果：[1] "Jun. 27–30" - Lionel Trebuchon

惊人的答案！我一直回来看它！ - stats_noob

Answer 2

更新 由于extract_numeric已被弃用，我们可以使用readr包中的parse_number。

library(readr)
parse_number(years)

这里还有另一种选项，使用extract_numeric

library(tidyr)
extract_numeric(years)
#[1] 20  1

- akrun

---

这个应用程序没问题，但请记住parse_number不适用于负数。请尝试使用parse_number("–27,633")。 - Nettle

@Nettle 是的，没错。如果有多个实例也是行不通的。 - akrun

负数解析错误已经被修复：https://github.com/tidyverse/readr/issues/308 readr::parse_number("-12,345") # [1] -12345 - Russ Hyde

extract_numeric现在已经被弃用，您将收到一个警告，建议使用readr::parse_number()。 - NorthLattitude

@NorthLattitude 如果你注意到了，我在“更新”中确实指定了那个。 - akrun

Answer 3

我认为替换是一种间接的获取解决方案的方法。如果您想检索所有数字，我建议使用gregexpr：

matches <- regmatches(years, gregexpr("[[:digit:]]+", years))
as.numeric(unlist(matches))

如果一个字符串中有多个匹配项，这会获取所有匹配项。如果您只对第一个匹配项感兴趣，请使用regexpr而不是gregexpr，您可以跳过unlist。

- sebastian-c

---

我没想到，但这个解决方案比其他任何一个都慢得多，相差一个数量级。 - Matthew Lundberg

@MatthewLundberg 是 gregexpr、regexpr 还是两者都要？ - sebastian-c

gregexpr。我之前从未尝试过regexpr，但是它的效果差别非常大。在1e6数据集上使用regexpr可以将其排在Andrew和Arun的解决方案之间（第二快）。也许有趣的是，在Andrew的解决方案中使用sub并不能提高速度。 - Matthew Lundberg

这个基于小数点进行拆分。例如，2.5会变成c('2'，'5')。 - MBorg

回复 @MBorg，将正则表达式更改为"-?[[:digit:]]+(\\.[[:digit:]]+)?"，我相信可以考虑到负数和小数。 - user3667133

Answer 4

或者简单地说：

as.numeric(gsub("\\D", "", years))
# [1] 20  1

- 989

---

这是最简单的答案，它运行良好！ - bing-nagata-smirnov

\D是一个元字符，用于匹配非数字字符：https://www.w3schools.com/jsref/jsref_regexp_digit_non.asp - Giovanni Colitti

Answer 5

这里是对Arun第一个解决方案的替代方案，使用更简单的类Perl正则表达式：

as.numeric(gsub("[^\\d]+", "", years, perl=TRUE))

- Andrew

---

as.numeric(sub("\\D+","",years)). If there were letters before and |or after, then gsub - Onyambu

Answer 6

我们也可以使用来自stringr的str_extract

years<-c("20 years old", "1 years old")
as.integer(stringr::str_extract(years, "\\d+"))
#[1] 20  1

如果一个字符串中有多个数字，我们想要提取所有的数字，可以使用str_extract_all。与str_extract不同的是，它会返回所有匹配项。

years<-c("20 years old and 21", "1 years old")
stringr::str_extract(years, "\\d+")
#[1] "20"  "1"

stringr::str_extract_all(years, "\\d+")

#[[1]]
#[1] "20" "21"

#[[2]]
#[1] "1"

- Ronak Shah

Answer 7

一个使用 stringr 管道的解决方案：

library(stringr)
years %>% str_match_all("[0-9]+") %>% unlist %>% as.numeric

- Joe

---

谢谢Joe，但是这个答案没有提取字符串中数字前面的负号。 - Miao Cai

Answer 8

你也可以把所有的字母都删掉：

as.numeric(gsub("[[:alpha:]]", "", years))

可能这个并不太具有普适性。

- Tyler Rinker

---

有趣的是，Andrew 的解决方案在我的电脑上比这个快了五倍。 - Matthew Lundberg

Answer 9

从任何字符串的开头位置提取数字。

x <- gregexpr("^[0-9]+", years)  # Numbers with any number of digits
x2 <- as.numeric(unlist(regmatches(years, x)))

从字符串中提取数字，无论位置如何。

x <- gregexpr("[0-9]+", years)  # Numbers with any number of digits
x2 <- as.numeric(unlist(regmatches(years, x)))

- sbaniwal

Answer 10

使用 unglue 包，我们可以进行以下操作：

# install.packages("unglue")
library(unglue)

years<-c("20 years old", "1 years old")
unglue_vec(years, "{x} years old", convert = TRUE)
#> [1] 20  1

^{此内容是由reprex软件包 (v0.3.0)于2019-11-06创建的}

更多信息请参见：https://github.com/moodymudskipper/unglue/blob/master/README.md

- moodymudskipper