在R中的字符串之前提取数值

我一直在处理正则表达式字符串和strsplit，但不知道如何解决我的问题

我有一个html文档集合，其中始终包含短语

“人民拥有这些”

。我想提取这个短语前面的数字。i、 “732234人拥有这些”——我希望能捕捉到732234这个数字（包括逗号，尽管我不在乎它是否被删除）。 数字和短语始终由一个字母包围。我尝试使用Xpath，但这似乎比正则表达式更难。非常感谢您的任何帮助或建议

示例字符串：>742811人拥有这些

---

p->742811

请您尝试以下内容

val <- "742,811 people own these"
gsub(' [a-zA-Z]+',"",val)

---

说明：此处使用R的gsub（全局替换）函数。将条件放在此处，它应该将所有出现的空格替换为小字母或大写字母，变量

val

尝试使用

stru-extract\u-all

从

stringr

库中：

str_extract_all(data, "\\d{1,3}(?:,\\d{3})*(?:\\.\\d+)?(?= people own these)")

---

请不要使用正则表达式处理HTML。你可以发布一个实际HTML的代表性示例或到源代码的链接吗？您应该使用XML操作。有两个人在这条充满危险的道路上提供帮助，这有点令人难过。它工作得几乎完美，返回了大量的空字符和我想要的值。有什么原因它似乎也返回了一堆列出的NA吗？@Permforast:鉴于缺乏任何示例，怎么可能有人知道这个问题的答案？@Permforast我现在不在R控制台前，但我建议从一个较小的测试文本开始，看看您是否可以进行一些调试。非常感谢，我刚刚完成了一个快速修复，所以我使用“str_extract”返回一个字符向量而不是列表，然后使用x[！is.na（x）]（其中x是字符向量）删除na并获得最终值。我将继续阅读Xpath，但这是一种快速获取所需内容的方法。

str_extract_all(data, "\\d{1,3}(?:,\\d{3})*(?:\\.\\d+)?(?= people own these)")