HTML テーブルから抽出したリストをフラットにしたいと考えています。最小限の作業例を以下に示します。stringrこの例は、R のパッケージに依存します。最初の例は、望ましい動作を示しています。
years <- c("2005-", "2003-")
unlist(str_extract_all(years,"[[:digit:]]{4}"))
[1] "2005" "2003"
次の例では、最後の 4 桁の数字を一連の他の数字と照合しようとすると、望ましくない結果が生成されます。
years1 <- c("2005-", "2003-", "1984-1992, 1996-")
unlist(str_extract_all(years1,"[[:digit:]]{4}$"))
character(0)
$ドキュメントを理解しているので、文字列の最後で一致を要求するには、パターンの最後に含める必要があります。2 番目の例から、"2005"、"2003"、"1996" の数字を一致させたいと思います。
これにはベース Rsubを非常に簡単に使用できます。
sub('.*(\\d{4}).*', '\\1', years1)
## [1] "2005" "2003" "1996"
ここで一致するパターンは、.*(0 個以上の任意の文字) の後に\\d{4}(4 つの連続した数字。括弧で囲むことによって取得します)、その後に 0 個以上の文字が続きます。
sub一致したパターンを 2 番目の引数の値に置き換えます。この場合、\\1は、一致したパターン全体を最初にキャプチャされた部分文字列 (つまり、連続する 4 つの数字) に置き換えることを示します。
ここでの正規表現は貪欲であるため、 の初期の一致をバイパスし\\d{4}、 でそれらを消費します.*。4 つの連続する数字の最後のシーケンスのみがキャプチャされます。
このstringiパッケージには、文字列の特定の部分を操作する便利な関数があります。したがって、次のようにして、連続する 4 桁の最後の出現を見つけることができます。
library(stringi)
x <- c("2005-", "2003-", "1984-1992, 1996-")
stri_extract_last_regex(x, "\\d{4}")
# [1] "2005" "2003" "1996"
同じ結果を得る他の方法は次のとおりです。
stri_sub(x, stri_locate_last_regex(x, "\\d{4}"))
# [1] "2005" "2003" "1996"
## or, since these count as words
stri_extract_last_words(x)
# [1] "2005" "2003" "1996"
## or if you prefer a matrix result
stri_match_last_regex(x, "\\d{4}")
# [,1]
# [1,] "2005"
# [2,] "2003"
# [3,] "1996"