R 提取标点符号之间的字符串（如果存在）

我试图在

：

或

之后提取字符串和a
之前
如果第二个标点符号存在，则删除a
之后的所有内容如果存在。目标结果是一个数字

当前代码可以在
：
和
之间执行
或之后的
：
但无法处理
单独或
：
单独

另外，
gsub（|（100）；参见注释）
不起作用，我不确定为什么初始的
：
没有被排除在外，并且需要gsub

test以下是一些解决方案

前两个是基础。第一种方法只使用非常简单的正则表达式。第二个比较短，正则表达式只是稍微复杂一点。在这两种情况下，如果没有匹配项，我们都会返回NA，但如果对您很重要，您可以在之后使用0替换NAs（使用
ifelse（is.NA（x），0，x）
其中
x
是NAs的答案）

第三个与第二个几乎相同，但在gsubfn中使用Straply。它返回0而不是NA

1）读取。表用分号替换所有冒号，并将其作为分号分隔的字段读取。选取第二个这样的字段，删除第一个非数字及其后的所有内容。然后将剩下的转换为数字

DF <- read.table(text = gsub(":", ";", test), 
  as.is = TRUE, fill = TRUE, sep = ";", strip.white = TRUE)
as.numeric(sub("\\D.*", "", DF$V2))
##[1]  2 30 NA

3）使用与（2）中相同的模式将匹配项转换为数字，如果匹配项为空，则返回0

library(gsubfn)
strapply(test, "^[^:;]+[;:] (\\d+)", as.numeric, simplify = TRUE, empty = 0)
## [1]  2 30  0

这里有一些解决方案

前两个是基础。第一种方法只使用非常简单的正则表达式。第二个比较短，正则表达式只是稍微复杂一点。在这两种情况下，如果没有匹配项，我们都会返回NA，但如果对您很重要，您可以在之后使用0替换NAs（使用
ifelse（is.NA（x），0，x）
其中
x
是NAs的答案）

第三个与第二个几乎相同，但在gsubfn中使用Straply。它返回0而不是NA

1）读取。表用分号替换所有冒号，并将其作为分号分隔的字段读取。选取第二个这样的字段，删除第一个非数字及其后的所有内容。然后将剩下的转换为数字

DF <- read.table(text = gsub(":", ";", test), 
  as.is = TRUE, fill = TRUE, sep = ";", strip.white = TRUE)
as.numeric(sub("\\D.*", "", DF$V2))
##[1]  2 30 NA

3）使用与（2）中相同的模式将匹配项转换为数字，如果匹配项为空，则返回0

library(gsubfn)
strapply(test, "^[^:;]+[;:] (\\d+)", as.numeric, simplify = TRUE, empty = 0)
## [1]  2 30  0

另一种方法：

out <- gsub('(^.+?[;:][^0-9]+)(\\d+)(.*$)|^.+', '\\2', test)
out[out == ''] <- 0
as.numeric(out)

## [1] 2  30  0

out另一种方法：

out <- gsub('(^.+?[;:][^0-9]+)(\\d+)(.*$)|^.+', '\\2', test)
out[out == ''] <- 0
as.numeric(out)

## [1] 2  30  0

out根据OP的描述（斜体是我的）：

在：或之后提取字符串；在；如果出现第二个标点符号，则删除a之后的所有内容；如果有。目标结果是一个数字

我认为其他一些建议可能会忽略斜体字的标准。这是OP的测试集，在末尾有一个额外的条件来测试：

test<-c( "Score (ABC): 2 (of 100); see note",
         "Amount of ABC; 30%",
         "Presence of ABC: negative",
         "...and before a ; if the second punctuation is present, then remove everything after a ; if present [so 666 should not be returned]") 

符合OP要求的结果：
如果OP确实需要一个没有匹配项的带零整数，请将sub（）替换设置为“
'0\\1”
，并用
包装为.integer（）
，如下所示：

as.integer( gsub( pattern='.+?[:;]\\D*?[^;](\\d*).*?;*.*', 
                  replacement='0\\1', 
                   x=test, perl=TRUE) )

结果:

[1]  2 30  0  0

完全在线工作R（R 3.3.2）示例：

Regexp解释
OP只想在字符串中找到一个匹配项，这样
sub（）
函数就可以正常工作

使用<代码>子（）/<代码>的方法是生成与所有字符串匹配的模式，但如果满足条件，则在中间使用捕获组捕获零个或更多个数字。p>
模式
+？[：；]\\D*？[^；]（\\D*）.*？；**如下所示


+？
在一次和无限次之间匹配任何字符（行终止符除外）
+
，
？
尽可能少地匹配，根据需要扩展（惰性）
[：；]
在方括号之间匹配列表中的单个字符，在本例中为
：
或

\\D
匹配任何非数字字符（等于[^0-9]）
*？
量词
*
在零次和无限次之间匹配
？
尽可能少的次数，根据需要展开（惰性）
[^；]
作为方括号之间的第一个字符的
^
表示：在方括号之间匹配列表中不存在的单个字符，在这种情况下，匹配任何不属于
的字符

（\d*）
曲线括号之间的所有内容都是一个捕获组-这是第一个捕获组：
\\d*
在零次和无限次之间匹配一个数字（等于[0-9]），尽可能多地匹配（贪婪）
*匹配
字符
*
介于零次和无限次之间[因此，不必存在，但如果存在则匹配：这是根据OP请求排除第二个分隔符之后的任何内容的关键]

*
在零次和无限次之间匹配任意字符
*
，尽可能多地匹配（贪心）[因此将所有字符都拾取到行的末尾]

替换=
\\1
指的是我们模式中的第一个捕获组。我们用我们在捕获组中发现的东西替换所有与模式匹配的东西<代码>\\d*
不能匹配任何数字，因此如果在我们期望的位置没有找到数字，则将返回空字符串。
根据OP的描述（斜体是我的）：

在：或之后提取字符串；在；如果出现第二个标点符号，则删除a之后的所有内容；如果有。目标结果是一个数字

我认为其他一些建议可能会忽略斜体字的标准。这是OP的测试集，在末尾有一个额外的条件来测试：

test<-c( "Score (ABC): 2 (of 100); see note",
         "Amount of ABC; 30%",
         "Presence of ABC: negative",
         "...and before a ; if the second punctuation is present, then remove everything after a ; if present [so 666 should not be returned]") 

符合OP要求的结果：
如果OP确实需要一个没有匹配项的带零整数，请将sub（）替换设置为“
'0\\1”
，并用
包装为.integer（）
，如下所示：

as.integer( gsub( pattern='.+?[:;]\\D*?[^;](\\d*).*?;*.*', 
                  replacement='0\\1', 
                   x=test, perl=TRUE) )

结果:

[1]  2 30  0  0

完全在线工作R（R 3.3.2）示例：