R：从键值列表中提取不同的模式

Question

我有一个类似于以下内容的数据集：

quest<-data.frame(city=c("Atlanta","New York","Atlanta","Tampa"), key_value=c("rev=63;code=ATL;qty=1;zip=45987","rev=10.60|34;qty=1|2;zip=12686|12694;code=NY","code=ATL;rev=12;qty=1;zip=74268","rev=3|24|8;qty=1|6|3;code=TPA;zip=33684|36842|30254"))

对应于：

    city                                           key_value
1  Atlanta                     rev=63;code=ATL;qty=1;zip=45987
2 New York        rev=10.60|34;qty=1|2;zip=12686|12694;code=NY
3  Atlanta                     code=ATL;rev=12;qty=1;zip=74268
4    Tampa rev=3|24|8;qty=1|6|3;code=TPA;zip=33684|36842|30254

我试图从数据中仅提取一个键值模式 ("code")，如下所示：

      city code
1  Atlanta  ATL
2 New York   NY
3  Atlanta  ATL
4    Tampa  TPA

Answer 1

我们可以使用正向后视的正则表达式来做到这一点

quest$code <- gsub(".*(?<=code=)(\w+)(;|$).*", "\1", quest$key_value, perl = TRUE)

.* - 符合我们的回顾

(?<=code=) - 匹配字符串中前面字符为 "code="

的位置

(\w+) - 匹配代码并在第一组中捕获它。

(;|$) - 匹配分号或字符串结尾（在 NY 的情况下，后面没有分号）

.* - 匹配字符串的剩余部分

      city                                           key_value code
1  Atlanta                     rev=63;code=ATL;qty=1;zip=45987  ATL
2 New York        rev=10.60|34;qty=1|2;zip=12686|12694;code=NY   NY
3  Atlanta                     code=ATL;rev=12;qty=1;zip=74268  ATL
4    Tampa rev=3|24|8;qty=1|6|3;code=TPA;zip=33684|36842|30254  TPA

实例

https://regex101.com/r/UM7Cim/4

Answer 2

您可以使用 strcapture，其中 return 是正则表达式的捕获部分：

cbind(quest, 
   strcapture(
     "code=([^;]*)",
     quest$key_value,
     data.frame(code=character())))

正则表达式 "code=([^;]*)" 查找文本 code=，然后捕获所有不是分号的内容。数据框参数指定 returned 值的名称和类型。这里我使用 cbind 到 return 一个带有额外列的数据框。

> cbind(quest, strcapture("code=([^;]*)",quest$key_value,data.frame(code=character())))
      city                                           key_value code
1  Atlanta                     rev=63;code=ATL;qty=1;zip=45987  ATL
2 New York        rev=10.60|34;qty=1|2;zip=12686|12694;code=NY   NY
3  Atlanta                     code=ATL;rev=12;qty=1;zip=74268  ATL
4    Tampa rev=3|24|8;qty=1|6|3;code=TPA;zip=33684|36842|30254  TPA

R：从键值列表中提取不同的模式

R: Extract distinct pattern from KeyValue list

r

key-value

data-science