R 从字符串中提取数字

Question

我一直在努力解决这个问题。我想要做的是从字符串中提取年份。例如，该字符串如下所示：

Toy Story (1995)

或者它可能看起来像这样

Twelve Monkeys (a.k.a. 12 Monkeys) (1995)

为了提取数字，我目前使用

year = gsub("(?<=\()[^()]*(?=\))(*SKIP)(*F)|.", "", x, perl=T)

现在，这在大多数情况下都有效，其中使用第一个，但在列表中也使用第二个。

[1] 1995
[2] a.k.a. 12 Monkeys1995

很明显我不想要字符串，只想要年份，我怎么得到这个？

Answer 1

我们可以使用

library(stringr)
as.numeric(str_extract(x, "(?<=\()[0-9]+(?=\))"))
#[1] 1995 1995

x <-  c("Toy Story (1995)", "Twelve Monkeys (a.k.a. 12 Monkeys) (1995)")

Answer 2

stringi::stri_match_last_regex(x, "\(([[:digit:]]+)\)")[,2]

转义括号仍然很痛苦，但它是一个可读性更高的正则表达式 IMO。

Answer 3

如果年份总是位于每个用括号圈起来的字符串的末尾，您可以在基数 R 中这样做：

as.numeric(gsub("\(|\)", "", substr(x, nchar(x)-5,nchar(x))))
#[1] 1995 1995

预先使用 trimws(x) 以防出现任何头部或尾部空格。

R Extract number from string