R中的字符串匹配和操作

Question

我在清理数据方面取得了这样的进步：

df1 <- data.frame(ID=(c("18.1010-2.570322","171114-238509","140808-3481906  
","18055656193","180625-378224","190903-2793831 / -9311442 / -6810125","190808-625-6692","190 807 - 7941125","1807298087721Roland","19060881t1676")),
                  True_ID = c("181010-2570322","171114-2385039","190808-4381906","180556-5619343","180625-3782242", "190903-2793831 190903-9311442 
                              190903-6810125", "190808-6256692","190807-7941125","180729-8087721","190608-8112676"))

真实值是这样的：190312-4184811。所以有一个模式，前六个整数是一个日期，例如 19 = 2019 03 = March 和 12 = Day。其他七个数字是随机的。我清理了很多非信息模式，但在这里我不知道如何处理这么多不同的。

我尝试过类似的方法，但我认为可以有更好的方法：

a = str_extract(data_file$IP_P,"(^|[ ])[:digit:]{6}\-[:digit:]{7}([ ]|$)")
b = str_extract(data_file$IP_P,"(^|[ ])[:digit:]{5}\-[:digit:]{7}([ ]|$)")
c = str_extract(data_file$IP_P,"(^|[ ])[:digit:]{4}\-[:digit:]{7}([ ]|$)")
d = str_extract(data_file$IP_P,"(^|[ ])[:digit:]{6}\-[:digit:]{6}([ ]|$)")
e = str_extract(data_file$IP_P,"(^|[ ])[:digit:]{6}\-[:digit:]{5}([ ]|$)")
f = str_extract(data_file$IP_P,"(^|[ ])[:digit:]{6}\-[:digit:]{4}([ ]|$)")
g = str_extract(data_file$IP_P,"(^|[ ])[:digit:]{6}\-[:digit:]{8}([ ]|$)")
h = str_extract(data_file$IP_P,"(^|[ ])[:digit:]{6}\-[:digit:]{9}([ ]|$)")

data_file["Extracted_i"] = NA

data1 <- data.frame(a,b,c,d,e,f,g,h) 
data1 <- data1 %>% unite("z", a:h, remove = FALSE)
data_file["Extracted_i"] =gsub("[^0-9\.\-]", "", data1$z)

Answer 1

你不能去掉所有 non-digit 个字符来给出一个包含所有数字的字符串，然后将前 6 位和后 6 位用连接“-”粘贴在一起吗？

paste(substr(gsub("\D", "", df1$ID), 1, 6), 
      substr(gsub("\D", "", df1$ID), 7, 12), 
      sep = "-")
#> [1] "181010-257032" "171114-238509" "140808-348190" "180556-56193"  
#> [5] "180625-378224" "190903-279383" "190808-625669" "190807-794112" 
#> [9] "180729-808772" "190608-811676"

Answer 2

我们也可以使用 gsub 将字符捕获为一组，并在替换中指定捕获组的反向引用（\1、\2）

gsub("^(.{1,6})(.{1,6}).*", "\1-\2", gsub("\D+", "", df1$ID))
#[1] "181010-257032" "171114-238509" "140808-348190" "180556-56193"  
#[5] "180625-378224" "190903-279383" "190808-625669" "190807-794112"
#[9] "180729-808772" "190608-811676"

R中的字符串匹配和操作

String matching and manipulating in R

string

r

string-matching