Moje pytanie musi zrobić z wykorzystaniem konstruktów Lookhead and LookBehind w wyrażeniach regularnych z kondycjonalnymi, jeśli - wówczas kondycje w połączeniu z str_extract.

Mam sznurkę zwaną jednostką w poniższej tabeli, która musi zostać złamana do 3 części składowych. Format jest niestandardowy i używam regex i str_extract, aby utworzyć nowe kolumny z każdym komponentem.

Mogę łatwo wyodrębnić początek (3a, 3C itp.) I kończy ciąg (E, A), ale środkowy komponent jest nieco trudniejszy. Może wynosić 1-3 cyfry lub dwa kod znaku SK, SD lub HH. Mogę użyć poniższego kodu indywidualnie, ale druga linia zastępuje ten pierwszy.

, więc moje pytanie brzmi, jak mogę użyć warunków, a następnie w wyrażeniach, a następnie w wyrażeniach regularnych (? (? (Regex), a następnie

df1$C2 = str_extract(df1$UNIT,"(?<=[:upper:])\\d*(?<![:upper:])")

df1$C2 = str_extract(df1$UNIT, "S.$")


df1
ID  UNIT
1   3ASD
2   3C14E
3   3D5E
4   3E15E
5   3ESK
6   3B14A
7   3BHHQ2
8   3E101

df2
ID  UNIT    C1  C2  C3
1   3ASD    3A  SD  NA
2   3C14E   3C  14  E
3   3D5E    3D  5   E
4   3E15E   3E  15  E
5   3ESK    3E  SK  NA
6   3B14A   3B  14  A
7   3BHHQ2  3B  HH  Q2
8   3E101   3E  101 NA
2
samuelt 4 czerwiec 2018, 23:43

3 odpowiedzi

Najlepsza odpowiedź

Myślę, że możesz "kodować" warunki w pojedynczej regex owijają oddzielne wartości z grupami przechwytywania, a następnie użyj str_match, aby uzyskać dostęp do tych przechwytywania, aby później używać ich do utworzenia kolumn:

library(stringr)
df <- data.frame(ID=c(1,2,3,4,5,6,7,8), UNIT=c("3ASD","3C14E","3D5E","3E15E","3ESK","3B14A","3BHHQ2","3E101"))
rx = "^([0-9][[:upper:]])([0-9]{1,3}|S[KD]|HH)([[:upper:]][0-9]*)?$"
match_table <- str_match(df$UNIT, rx)
df$C1 <- match_table[,2]
df$C2 <- match_table[,3]
df$C3 <- match_table[,4]
> df
  ID   UNIT C1  C2   C3
1  1   3ASD 3A  SD <NA>
2  2  3C14E 3C  14    E
3  3   3D5E 3D   5    E
4  4  3E15E 3E  15    E
5  5   3ESK 3E  SK <NA>
6  6  3B14A 3B  14    A
7  7 3BHHQ2 3B  HH   Q2
8  8  3E101 3E 101 <NA>

Zobacz REGEX DEMO.

Szczegóły

  • ^ - początek ciągu
  • ([0-9][[:upper:]]) - Group C1: cyfra, a następnie wielka litera
  • ([0-9]{1,3}|S[KD]|HH) - Grupa {X1}}: 1, 2 lub 3 cyfry, lub SK, SD lub HH
  • ([[:upper:]][0-9]*)? - Opcjonalna grupa C3: wielka litera, a następnie cyfry 0+
  • $ - koniec ciągu,
2
Wiktor Stribiżew 4 czerwiec 2018, 21:02

Możesz przeczytać jako stół:

 cbind(df1,read.table(text=sub("(..)(\\d+|SK|SD|HH)(.*)","\\1 \\2 \\3",df1$UNIT),fill=T,h=F,col.names = c("C1","C2","C3"),na.strings = ""))
  ID   UNIT C1  C2   C3
1  1   3ASD 3A  SD <NA>
2  2  3C14E 3C  14    E
3  3   3D5E 3D   5    E
4  4  3E15E 3E  15    E
5  5   3ESK 3E  SK <NA>
6  6  3B14A 3B  14    A
7  7 3BHHQ2 3B  HH   Q2
8  8  3E101 3E 101 <NA>
1
Onyambu 4 czerwiec 2018, 21:42
Problem solved using the following code:

        df2$C1=  str_extract(df1$Unit, "^[:digit:][:upper:]")
    #if the start of the string is a digit and upper case letter then extract it into col C1

        df2$C2= str_extract(df1$Unit,"(?<=[:upper:])\\d*(?<![:upper:])|(?<=[:upper:])[[:upper:]][[:upper:]](?<=[:upper:])")
    #if a digit follows an uppercase letter or is behind another uppercase letter then extract all digits in between and extract it into C2
    #OR if two uppercase letters follow an uppercase letter or come before another uppercase letter then extract all letters in between and extract it into C2

        df2$C3=  str_extract(df1$Unit, "(?<=[:digit:])[A-E]$|Q.$")
    #if a the last a letter is A-E and is preceded by a digit then extract the letter into C3
    #OR if the last character is preceded by the letter Q then extract Q and the character
0
samuelt 4 czerwiec 2018, 21:40