在R中提取字符串的部分

Question

我有一个字符串，格式如下：

stamp = "section_d1_2010-07-01_08_00.txt"

我希望能够提取其中的某些部分。我已经通过重复使用str_extract来获取我想要的部分，例如抓取月份。

month = str_extract(stamp,"2010.+")
month = str_extract(month,"-..")
month = str_extract(month,"..$")

然而，这种方式非常低效，必须有更好的方法。对于这个特定的例子，我可以使用。

month = substr(stamp,17,18)

然而我正在寻找更加通用的内容（以防数字数量发生变化）。 我认为我需要正则表达式来捕获某些标志后面的内容（下划线或连字符，或第三个下划线之后的内容）。我也尝试使用sub函数，但遇到相同的问题，需要多次精细调整才能得到我想要的结果。如果能举例说明如何获取月份（此处为07）和小时（此处为08）将不胜感激。

- Esme_

---

你是否期望输入字符串始终具有相同的宽度？ - Tim Biegeleisen

你在我的帖子中尝试过使用 gsub 和 str_extract 吗？ - akrun

谢谢@akrun，这正是我所需要的。 - Esme_

不可以 - 字符数可能会改变（这就是为什么我不能只使用substr）。 - Esme_

Answer 1

您可以简单地使用带有正则表达式[-_]和perl=TRUE选项的strsplit来获取所有部分。

stamp <- "section_d1_2010-07-01_08_00.txt"
strsplit(stamp, '[-_]')[[1]]
# [1] "section" "d1"      "2010"    "07"      "01"      "08"      "00.txt" 

See demo.

https://regex101.com/r/cK4iV0/8

- vks

Answer 2

你可以尝试。

gsub('^.*_\\d+-|-\\d+_.*$', '', stamp)
#[1] "07"

对于这个小时

library(stringr)
str_extract(stamp, '(?<=\\d_)\\d+(?=_\\d)')
#[1] "08"

提取两者

 str_extract_all(stamp, '(?<=\\d{4}[^0-9])\\d{2}|\\d{2}(?=[^0-9]\\d{2}\\.)')[[1]]
 #[1] "07" "08"

- akrun

---

能否请@akrun解释一下正则表达式呢？我想提取所有被字母夹在中间的数字。在上面的例子中，我无法解码提取“-”字符之间数字的正则表达式。 - Sky Scraper

根据您的建议，我尝试了以下代码：str_extract('(?<=^[[:alpha:]]+)[0-9]+(?=[[:alpha:]]+)', "Glu741ArgfsTer30") - Sky Scraper

不确定为什么会返回“NA”。 - Sky Scraper

str_extract("Glu741ArgfsTer30", '(?<=[A-z]{3})\d+(?=[A-Z]+)' )是答案。我不知道为什么要使用{3}而不是+。 - Sky Scraper