使用部分字符串的grep（带数字）在数据表中创建列

如何使用grep查找部分字符串匹配，并仅将该字符串的一部分返回到现有数据表中的新列？
例如，我在dt中有一列$comments：“FC3”
有些评论说“废话废话，迟到57天废话”
有没有一句话我可以用来抓住“迟到57天”的部分，并把它放到一个新的专栏里？当然，它并不总是57天，有时是145天，有时只是8天——所以字符串的长度是动态的

每个请求：这里是示例/可复制数据（我认为这是您要求的）

在这里，包含字符串“2016年第1类延迟9天”的列以及相应行中的字符串“2013年第1类延迟57天提交”是我所指的字符串。对于我来说，能够搜索、抓取并将“晚9天”或“晚57天”字符串放入新列中的最佳过程是什么

包含我想要的字符串的列名是FC4$comments

谢谢你，我希望这能澄清

您可以使用

gsub（）

和捕获表达式，如下所示：

dt <- data.table(remarks = c("blah blah blah 57 DAYS LATE blah blah",
                             "blah blah blah 145 DAYS LATE blah blah",
                             "2013 CAT 1 WAS 123 DAYS LATE SUBMIT",
                             "2016 CAT 1 WAS SUBMITTED 9 DAYS LATE"))

dt$new_column <- gsub(".* (\\d+ DAYS LATE).*", "\\1", dt$remarks)
# captures one or more consecutive digits and the string " DAYS LATE"

dt
                                  remarks    new_column
1:  blah blah blah 57 DAYS LATE blah blah  57 DAYS LATE
2: blah blah blah 145 DAYS LATE blah blah 145 DAYS LATE
3:    2013 CAT 1 WAS 123 DAYS LATE SUBMIT 123 DAYS LATE
4:   2016 CAT 1 WAS SUBMITTED 9 DAYS LATE   9 DAYS LATE

sessionInfo()
R version 3.3.2 (2016-10-31)
Platform: x86_64-apple-darwin13.4.0 (64-bit)
Running under: macOS Sierra 10.12.1

locale:
[1] en_US.UTF-8/en_US.UTF-8/en_US.UTF-8/C/en_US.UTF-8/en_US.UTF-8

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
 [1] data.table_1.9.6 magrittr_1.5     dplyr_0.5.0      purrr_0.2.2      readr_1.0.0      tidyr_0.6.1      tibble_1.2      
 [8] tidyverse_1.0.0  ggmap_2.7        ggplot2_2.2.1 

---

dt不是
grep
，但是还有其他正则表达式函数可以满足您的要求。请提供一个可复制的示例供人们查看和测试。感谢Imo-如果有帮助的话，我从实际的d.表中添加了一些行。有人给了我一个很好的起始代码，但是它留下了我不需要的部分字符串。另外，Frank，非常感谢您提供文档，这样我就可以像您一样整洁地复制表格结果。很抱歉我没有经验，但我会学习的！仅供参考，您可以@命名人员以ping他们。你的桌子仍然不容易被其他人复制，仅供参考。看看我为格式化所做的编辑：你可以选择代码并按CTRL+K或缩进四个空格来显示代码块。谢谢Nate，这让我开始了。然而，我唯一的问题是，在我的一些行中，有多个数字实例。（例如：2013年第1类提交延迟了57天）。您的代码将导致字符串的复制部分，如下所示“2013 CAT1延迟了57天”。我只对“迟到57天”甚至“迟到57天”部分感兴趣。然后，我计划去掉晚了几天的部分，对剩下的数字进行数学运算。非常感谢你！这个小小的修改可能有点接近最终结果：
gsub（“2016年第1类提交晚了9天”。“\\1”，“2016年第1类提交晚了9天”）
@Imo我试过了，但这只是用“2016年第1类提交晚了9天”取代了最后一列中的所有内容。如果可能的话，我只是想让它“晚9天”返回@嗯，我不确定是什么原因导致了你的问题，我测试了你的“特殊”场景，似乎对我很有效。
dt <- data.table(remarks = c("blah blah blah 57 DAYS LATE blah blah",
                             "blah blah blah 145 DAYS LATE blah blah",
                             "2013 CAT 1 WAS 123 DAYS LATE SUBMIT",
                             "2016 CAT 1 WAS SUBMITTED 9 DAYS LATE"))

dt$new_column <- gsub(".* (\\d+ DAYS LATE).*", "\\1", dt$remarks)
# captures one or more consecutive digits and the string " DAYS LATE"

dt
                                  remarks    new_column
1:  blah blah blah 57 DAYS LATE blah blah  57 DAYS LATE
2: blah blah blah 145 DAYS LATE blah blah 145 DAYS LATE
3:    2013 CAT 1 WAS 123 DAYS LATE SUBMIT 123 DAYS LATE
4:   2016 CAT 1 WAS SUBMITTED 9 DAYS LATE   9 DAYS LATE

sessionInfo()
R version 3.3.2 (2016-10-31)
Platform: x86_64-apple-darwin13.4.0 (64-bit)
Running under: macOS Sierra 10.12.1

locale:
[1] en_US.UTF-8/en_US.UTF-8/en_US.UTF-8/C/en_US.UTF-8/en_US.UTF-8

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
 [1] data.table_1.9.6 magrittr_1.5     dplyr_0.5.0      purrr_0.2.2      readr_1.0.0      tidyr_0.6.1      tibble_1.2      
 [8] tidyverse_1.0.0  ggmap_2.7        ggplot2_2.2.1