用空白替换字符分组后面的字符。

Question

我可以帮助您翻译，这段内容涉及编程，主要是处理一个最大宽度为200的文本列的CSV文件。在大多数情况下，数据都很好。但在某些情况下，数据过长或未填写完整，我希望使用正则表达式来查找特定数字/字符配对的最后一个实例，然后删除其后的所有内容。

例如数据：

df <- data.frame(ID = c("1","2","3"),
             text = c("A|explain what a is|12.2|Y|explain Y|2.36|",
                 "A|explain what a is|15.2|E|explain E|10.2|E|explain E but run out hal",
                 "D|explain what d is|0.48|Z|explain z but number 5 is present|"))

我的特定字符对是任何数字后面跟着一个 |

这意味着第一行没问题，第二行将删除“10.2”后面的所有内容，第三行将删除0.48后面的所有内容

我尝试了这个正则表达式：

df[,2] <- sub("([^0-9]+[^|]*$)", "", df[,2])

它几乎成功了，但是我的数据中只有很少的几行在解释中有数字，这些行并不适用。有什么线索吗？我还不是一个很好的正则表达式使用者，正在学习中。

我看到了这个问题关于分组，但是无法完全应用到我的问题上。

- Sam

Answer 1

使用sub函数，我们捕获一个或多个字符 (.*)，接着是一个或多个数字，然后是一个可选的小数点 (\\.?) ，再紧随其后的是一个或多个数字，这被作为一组进行捕获，之后跟着|和字符串末尾的其余字符。在替换中，指定了捕获组 (\\1)。

sub('^(.*[0-9]+\\.?[0-9]+)\\|.*$', '\\1', df$text)

- akrun

---

我不会发布一个几乎相同的代码的单独答案。我只是在问，因为我没有在问题中找到仅限带小数的数字的规范，而且你的答案不能用于整数，就这样... - Cath

@CathG，恐怕你的方法不行，它删除了太多的文本，但还是谢谢。 - Sam

@akrun 看起来完美地完成了工作，这正是我之前一直在摸索但却无法完全掌握的东西，非常感谢。 - Sam

@Sam，实际上应该是sub('(.*[0-9]+)\\|.*', '\\1', df$text)，我只是在评论\\.[0-9]+，这将仅保留小数。 - Cath

@CathG 哦，我明白了，谢谢，实际上我更喜欢你的！祝你们俩好运。 - Sam