从字符串的开头和结尾删除数字

Question

我有以下向量：

words <- c("5lang","kasverschil2","b2b")

我想要移除"5lang"中的"5"和"kasverschil2"中的"2"。但是我不想移除"b2b"中的"2"。

- Anita

---

请注意，在下面的漂亮答案中，您可以将 \\d 替换为（在我看来）更易读的 [[:digit:]]（特别是对于刚开始使用正则表达式或尝试阅读他人编写的代码的人）。 - hrbrmstr

@hrbrmstr 我同意这更易读。但这会降低速度吗？ - Tyler Rinker

编译正则表达式可能需要几毫秒，但这不是速度瓶颈 :-) 另外要注意的是，\\d 和 [[:digit:]] 可匹配所有 Unicode 数字，而 [0-9] 只能匹配标准十进制数字，因此在操作多样化环境中，任何一个都比 [0-9] 更好。 - hrbrmstr

Answer 1

 gsub("^\\d+|\\d+$", "", words)    
 #[1] "lang"        "kasverschil" "b2b"

另一个选择是使用stringi

 library(stringi)
 stri_replace_all_regex(words, "^\\d+|\\d+$", "")
  #[1] "lang"        "kasverschil" "b2b"        

使用提供者在此处提供的数据集的变体，以下是3个主要解决方案的基准测试（请注意，这些字符串非常短且人为构造；在更大的实际数据集上结果可能会有所不同）：

words <- rep(c("5lang","kasverschil2","b2b"), 100000)

library(stringi)
library(microbenchmark)

GSUB <- function() gsub("^\\d+|\\d+$", "", words)
STRINGI <- function() stri_replace_all_regex(words, "^\\d+|\\d+$", "")
GREGEXPR <- function() {
    gregexpr(pattern='(^[0-9]+|[0-9]+$)', text = words) -> mm
    sapply(regmatches(words, mm, invert=TRUE), paste, collapse="") 
}

microbenchmark( 
    GSUB(),
    STRINGI(),
    GREGEXPR(),
    times=100L
)

## Unit: milliseconds
##        expr       min        lq    median        uq       max neval
##      GSUB()  301.0988  349.9952  396.3647  431.6493  632.7568   100
##   STRINGI()  465.9099  513.1570  569.1972  629.4176  738.4414   100
##  GREGEXPR() 5073.1960 5706.8160 6194.1070 6742.1552 7647.8904   100

- akrun

---

@Tyler Rinker 感谢您的基准测试。我对这里的 stringi 结果有些惊讶。 - akrun

我认为这是因为它是一个非常简单的正则表达式。通常，stringi非常快速，但并非总是如此。另外，虽然stringi很快，但我真正喜欢的另一个好处是一致运行/命名的函数。这不像是一个狗，因为这些都是微秒级别的。所以，如果我要将其包含在软件包函数中，我可能会选择gsub，但对于分析，我会使用stringi方法（当然这只是个人意见）。 - Tyler Rinker

Answer 2

您可以使用使用正则表达式的 gsub 函数：

gsub("^[0-9]|[0-9]$", "", words)
# [1] "lang"        "kasverschil" "b2b"

说明:

模式^[0-9]匹配字符串开头的任何数字，而模式[0-9]$匹配字符串末尾的任何数字。通过用|分隔这两个模式，您想要匹配第一个或第二个模式。然后，您将匹配的模式替换为空字符串。

- thothal

---

如果在开头/结尾有多于一位数字，可能需要使用 [0-9]+|[0-9]+$。 - akrun

当然，感谢您添加这个澄清。我刚写完你就基本上给出了相同的答案 ;) 但是增加了 stringi 库的价值，这是我之前不知道的。+1 - thothal

Answer 3

获取数字出现在单词开头或结尾的实例，并匹配其他所有内容。由于可能存在多个匹配项，您需要合并结果。

gregexpr(pattern='(^[0-9]+|[0-9]+$)', text = words) -> mm
sapply(regmatches(words, mm, invert=TRUE), paste, collapse="") 

- ilir