Extraire une correspondance d'expression régulière dans la version R 2.10

Question

Je suis en train d'extraire un nombre à partir d'une chaîne.

Et faire quelque chose comme ceci [0-9]+ sur cette chaîne "aaaa12xxxx" et "12".

Je pensais que ce serait quelque chose comme:

> grep("[0-9]+","aaa12xxx", value=TRUE)
[1] "aaa12xxx"

Et puis j'ai pensé que...

> sub("[0-9]+", "\\1", "aaa12xxxx")
[1] "aaa12xxx"

Mais j'ai eu une certaine forme de réponse à faire:

> sub("[0-9]+", "ARGH!", "aaa12xxxx")
[1] "aaaARGH!xxx"

Il y a un petit détail qui me manque, s'il vous Plaît conseils :-)

Je suis l'aide de R version 2.10.1 (2009-12-14)

Merci !

---

Commentaires sur la solution

La meilleure solution est d'ignorer les fonctions standard et installer Hadley Wickham est stringr paquet pour obtenir quelque chose qui a du sens.

Bravo à Marek pour comprendre comment la bibliothèque standard travaillé.

Answer 1

Utilisez le nouveau package stringr qui englobe toutes les expressions régulières existantes dans une syntaxe cohérente et en ajoute quelques-unes qui manquent:

 library(stringr)
str_locate("aaa12xxx", "[0-9]+")
#      start end
# [1,]     4   5
str_extract("aaa12xxx", "[0-9]+")
# [1] "12"
 

Answer 2

Il est probablement un peu hâtif de dire " ignorer les fonctions standard " - le fichier d'aide pour ?gsub même avec des références spécifiques dans "Voir aussi":

'regmatches' pour extraire les sous-chaînes correspondantes en fonction des résultats de 'regexpr', 'gregexpr' et 'regexec'.

Donc, cela fonctionnera et est assez simple:

 txt <- "aaa12xxx"
regmatches(txt,regexpr("[0-9]+",txt))
#[1] "12"
 

Answer 3

Peut être

 gsub("[^0-9]", "", "aaa12xxxx")
# [1] "12"
 

Answer 4

Vous pouvez utiliser la correspondance paresseuse de PERL regexs:

 > sub(".*?([0-9]+).*", "\\1", "aaa12xx99",perl=TRUE)
[1] "12"
 

Essayer de remplacer les chiffres non numériques entraînera une erreur dans ce cas.

Answer 5

Une façon serait la suivante:

 test <- regexpr("[0-9]+","aaa12456xxx")
 

Maintenant, notez que regexpr vous donne les index de début et de fin de la chaîne:

     > test
[1] 4
attr(,"match.length")
[1] 5
 

Donc, vous pouvez utiliser cette information avec la fonction substr

 substr("aaa12456xxx",test,test+attr(test,"match.length")-1)
 

Je suis sûr qu'il existe un moyen plus élégant de faire cela, mais c'était le moyen le plus rapide que j'ai pu trouver. Alternativement, vous pouvez utiliser sub / gsub pour supprimer ce que vous ne voulez pas laisser ce que vous voulez.