R 欧元符号的正则表达式（€；）

我想提取文本中带有欧元符号的货币，我的文本是例如：

"€0.74 million developer fund  of €2 billion carbon emission"

我的正则表达式是：

"(\u20AC)[0-9]+.[0-9]+\\s(m|b)illion+" 

当我在文本上运行regex时，我得到以下输出：

[[1]]
character(0)

---

有人能告诉我正则表达式有什么问题吗？为什么我在放入

（\u20AC）

后仍无法提取欧元符号。

尝试使用不同的代码。。。像

((\x80)[0-9]+.[0-9]+\\s(m|b)illion).*

这将以适当的方式抓住欧元

（我使用gsub顺便说一句：

z = "€0.74 million developer fund  of €2 billion carbon emission"
gsub("((\x80)[0-9]+.[0-9]+\\s(m|b)illion).*","\\1",z)

---

不过，现在只捕捉到第一个问题……但我认为这很容易解决）

使用stringr。在正则表达式中，

\s

应该是

\\s

。以下用途

\\d

用于数字（仅比[0-9]简单）

（.\\d+）

用于可选小数点-之前括号中的所有内容

s <- "€0.74 million developer fund of €2 billion carbon emission" 
r <-  "(\u20AC)\\d+(.\\d+)?\\s(m|b)illion+"
library(stringr)
str_extract_all(s,r)

# [1] "€0.74 million" "€2 billion" 

---

s您的模式与字符串不匹配，因为您的模式，
（€）0-9]+.[0-9]+\\s（MB）million++
，即
[0-9]+.[0-9]+
部分，需要至少两位数字，且应与任何一个字符“拆分”。这意味着，您可以匹配
1.6百万个
，或
16亿个字符
（由于量化的
n
，
n+
，匹配了多个
n
）

您没有获得任何匹配项，因为您将
€
记录为
\u20AC
，或者您将获得一个匹配项，
74万
：

> p = "(€)[0-9]+.[0-9]+\\s(m|b)illion+"
> str_extract_all(txt, p)
[[1]]
[1] "\u00800.74 million"

要解决此问题，可以将基本R
regmatches
与
gregexpr
一起使用：

> txt <- "€0.74 million developer fund  of €2 billion carbon emission"
> res <- regmatches(txt, gregexpr("€[0-9]+(?:\\.[0-9]+)?\\s*[mb]illion", txt, ignore.case=TRUE))
> lapply(res, cat, "\n")
€0.74 million €2 billion 
[[1]]
NULL

>txt res lappy（res，cat，“\n”）
74万欧元20亿欧元
[[1]]
无效的

注意：我使用了
cat
来显示Unicode字符串结果，因为它们是实际提取的值

图案细节


€
-欧元符号
[0-9]+
-1位或更多数字
（？：\\.[0-9]+）？
-a
出现1或0次，然后出现1个或多个数字
\\s*
-零个或多个空格
[mb]
-
m
或
b
illion
-文字子字符串
请分享您的代码，同时也请告知您期望的输出。我的代码是“（\u20AC）[0-9]+.[0-9]+\\s（m | b）illion+”，我期望[1]“€74万”“€20亿”“。这不是一个代码，它是一个正则表达式。正则表达式在代码中使用。请分享代码。str_extract_all（coll（txt，ignore|case=TRUE），”（\u20AC）[0-9]+.[0-9]\\s（m | b）illion+）我的代码是哪里txt=“€0.74百万开发基金20亿欧元碳排放量”尝试一下
str\u extract\u all（txt），（？i）€[0-9]+（？：\\\.[0-9]+）？\\s*[mb]illion”）
epi99当我按照你的答案做时，我的字数已经低于[1]]个字符（0）@NaveenGoud，很难知道有什么不同。我建议继续简化正则表达式，看看问题出在哪里。一个猜测可能是编码——因此尝试不使用欧元符号编码的正则表达式。