有没有一种删除以数字开头，以R中的大写字母结尾的子字符串的一般方法

很难描述，但基本上，我正在尝试找到一种通用的方法，它可以：

[1]“在烤架（1）95 E Kennedy BlvdLakewood，NJ 08701（732）942-6555餐厅，我在这家餐厅与其他5个人共进了商务晚餐。每个人都对他们的开胃菜和主菜感到满意。我们一定会回来的……”
[2] “寿司在线231新泽西州第三斯达克伍德08701（732）719-2275餐厅寿司酒吧在线订购”

为此：

[1]“肯尼迪大道东95号”
[2] “第三街231号”

使用R。我知道它涉及正则表达式，但我没有我想要的那么流利

---

谢谢

您的预期输出没有非常可靠的逻辑，但是查看您的预期数据，您可以使用此正则表达式实现您正在尝试的功能

^.*?(\d{2,}.*?[a-z])[A-Z].*

并将其替换为

\1

，因为group1捕获您想要的文本

sub("^.*?(\\d{2,}.*?[a-z])[A-Z].*", "\\1", "On The Grill(1)95 E Kennedy BlvdLakewood, NJ 08701(732) 942-6555Restaurants I had a business dinner at this restaurant with 5 other people. Everyone was pleased with their appetizers and main courses. We’ll be back for sure…")
sub("^.*?(\\d{2,}.*?[a-z])[A-Z].*", "\\1", "Sushi Now231 3rd StLakewood, NJ 08701(732) 719-2275RestaurantsSushi BarsWebsiteMenuOrder Online")

sub("^.*?(\\d{2,}.*?[a-z])[A-Z].*", "\\1", "On The Grill(1)95 E Kennedy BlvdLakewood, NJ 08701(732) 942-6555Restaurants I had a business dinner at this restaurant with 5 other people. Everyone was pleased with their appetizers and main courses. We’ll be back for sure…")
sub("^.*?(\\d{2,}.*?[a-z])[A-Z].*", "\\1", "Sushi Now231 3rd StLakewood, NJ 08701(732) 719-2275RestaurantsSushi BarsWebsiteMenuOrder Online")

像你想象的那样

[1] "95 E Kennedy Blvd"
[1] "231 3rd St"

编辑： 好的，

\d{2，}

可能有点依赖于数据，所以这里我们可以使用另一种逻辑，在这里我将仅以一个或多个数字开始捕获

\d+

，但后面有一个或多个空格，而且由于匹配恰好在

Lakewood

之前停止，因此也要使用积极的前瞻

（？=Lakewood）

在正则表达式和更新的更好的正则表达式中，可以使用的是：

^.*?(\d+\s+.*?)(?=Lakewood).*

sub("^.*?(\\d{2,}.*?[a-z])[A-Z].*", "\\1", "On The Grill(1)95 E Kennedy BlvdLakewood, NJ 08701(732) 942-6555Restaurants I had a business dinner at this restaurant with 5 other people. Everyone was pleased with their appetizers and main courses. We’ll be back for sure…")
sub("^.*?(\\d{2,}.*?[a-z])[A-Z].*", "\\1", "Sushi Now231 3rd StLakewood, NJ 08701(732) 719-2275RestaurantsSushi BarsWebsiteMenuOrder Online")

现在，如果您愿意，您甚至可以使用

str\u match

使用regex

\d+\s+.*（？=Lakewood）

提取文本，使用以下代码行

library(stringr)

str_match("On The Grill(1)95 E Kennedy BlvdLakewood, NJ 08701(732) 942-6555Restaurants I had a business dinner at this restaurant with 5 other people. Everyone was pleased with their appetizers and main courses. We’ll be back for sure…", "\\d+\\s+.*?(?=Lakewood)")
str_match("Sushi Now231 3rd StLakewood, NJ 08701(732) 719-2275RestaurantsSushi BarsWebsiteMenuOrder Online", "\\d+\\s+.*?(?=Lakewood)")

印刷品

     [,1]               
[1,] "95 E Kennedy Blvd"
     [,1]        
[1,] "231 3rd St"

这本书很好，很一般。但是，如果您觉得有帮助，这里有一种替代方法：

x <- c(" On The Grill(1)95 E Kennedy BlvdLakewood, NJ 08701(732) 942-6555Restaurants I had a business dinner at this restaurant with 5 other people. Everyone was pleased with their appetizers and main courses. We’ll be back for sure…",
       " Sushi Now231 3rd StLakewood, NJ 08701(732) 719-2275RestaurantsSushi BarsWebsiteMenuOrder Online")
street_types <- c("Blvd", "St")
address_pattern <- paste("\\d+ .+?", street_types, collapse = "|")
stringr::str_extract_all(string = x, pattern = address_pattern, simplify = TRUE)
#      [,1]               
# [1,] "95 E Kennedy Blvd"
# [2,] "231 3rd St" 

---

x这个方法很好地实现了它

(\[\d])(?:.+[^\s\d])((?:\d+\s+)[^\R]+)


格什马克
 无论您期望的方法是什么，是什么阻止它匹配
2275餐厅
？@AhmedAbdelhameed我猜有一个带有地址号码的空格。OP很可能希望号码至少是两位数。@AhmedAbdelhameed为什么？地址（至少在我的经验中）通常不以单个字母开头digit@duckmayr因为这似乎是地址的建筑编号部分，AFAIK，不必至少有两位长度。@AhmedAbdelhameed:As-expected输出不需要
（1）
，因此我必须使用
\d{2，}
。否则，建议一个逻辑来实现那个输出，我将使用你们的逻辑。我用一个来尝试。是否可以删除括号内的数字？似乎是一个很好的临时方法！我一定会试试这个。