R gsub＆正則表達式查找價格

Question

我試圖從給定的文本中創建一個新的價格向量。我只能使用gsub。

test = c('Testing $26,500\ntesting', 
     'Testing tesing $79+\n TOTAL: $79200', 
     'Testing $3880. Testing', 
     'Testing -$69000Engine: $69000100%', 
     'Testing testing original price : $ 8 2 9 5 . Real price is $ 7 4 9 5') 

所需的輸出：

# [1] 26500 79200 3880 69000 7495 

我已經試過多次的正則表達式，但我不能得到正確的結果。

第一次嘗試：

gsub(".*\\$(\\d+)[,|.](\\d+).*", "\\1\\2", test) 
# [1] "26500"                
# [2] "Testing tesing $79+\n TOTAL: $79200"         
# [3] "Testing $3880. Testing"            
# [4] "Testing -$69000Engine: $69000100%"         
# [5] "Testing testing original price : $ 8 2 9 5 . Real price is $ 7 4 9 5" 

第二次嘗試：

gsub(".*\\$(\\d+)[,|.].*", "\\1", test) 
# [1] "26"                 
# [2] "Testing tesing $79+\n TOTAL: $79200"         
# [3] "3880"                 
# [4] "Testing -$69000Engine: $69000100%"         
# [5] "Testing testing original price : $ 8 2 9 5 . Real price is $ 7 4 9 5" 

第三次嘗試：

gsub("(?:.*|.*?*)\\$([0-9]+).*", "\\1", test) 
# [1] "26"                 
# [2] "79200"                
# [3] "3880"                 
# [4] "69000100"                
# [5] "Testing testing original price : $ 8 2 9 5 . Real price is $ 7 4 9 5" 

第四次嘗試：

gsub(".*[-]\\$(\\d+).*", "\\1", test) 
# [1] "Testing $26,500\ntesting"            
# [2] "Testing tesing $79+\n TOTAL: $79200"         
# [3] "Testing $3880. Testing"            
# [4] "69000"                
# [5] "Testing testing original price : $ 8 2 9 5 . Real price is $ 7 4 9 5" 

問題：如何解決此問題並避免使用多個gsub函數調用？

Answer 1

我不認爲有一種方法只能使用1個電話給gsub，因爲您需要預先處理數字與空格「斷開」的最後價格，並且第一個數字用逗號分隔。

我只能「合同」的代碼2調用gsub：

• gsub("([$]|(?!^)\\G)[\\s,]*(\\d)", "\\1\\2", test, perl=T)將刪除下面的數字之間的逗號和空格$符號
• gsub("^(?|[\\s\\S]*-[$](\\d+)|[\\s\\S]*[$](\\d+))[\\s\\S]*$", "\\1", test, perl=T)居然會得到所需要的價格數出來的字符串。

IDEONE demo：

test <- c("Testing $26,500\ntesting","Testing tesing $79+\n TOTAL: $79200","Testing $3880. Testing", "Testing -$69000Engine: $69000100%","Testing testing original price : $ 8 2 9 5 . Real price is $ 7 4 9 5") 
test <- gsub("([$]|(?!^)\\G)[\\s,]*(\\d)", "\\1\\2", test, perl=T) 
test <- gsub("^(?|[\\s\\S]*-[$](\\d+)|[\\s\\S]*[$](\\d+))[\\s\\S]*$", "\\1", test, perl=T) 
test 

結果：[1] "26500" "79200" "3880" "69000" "7495"

既然你正在學習正則表達式，這裏是正則表達式崩潰：

正則表達式1：

• ([$]|(?!^)\\G) - 匹配和捕獲「龍頭邊界」構建匹配$象徵，每個成功的匹配(?!^)\G後的位置（\G也匹配字符串的開始，我們用負前瞻(?!^)消除它）
• [\\s,]* - 匹配0或多個逗號或空格
• (\\d) - 匹配和捕獲一個數字

使用\1\2替換模式，我們將$符號及其後面的數字恢復爲字符串內部的數字。

正則表達式2：

• ^ - 串
• (?|[\\s\\S]*-[$](\\d+)|[\\s\\S]*[$](\\d+))的開端 - 一個分支復位組（(?|...|...)）其中捕獲組索引重置爲1（因此，我們只需要在替換模式中使用參考\1即可解決來自各個替代方案的(\\d+)）匹配....
  • [\\s\\S]*-[$](\\d+) - 任何零個或多個字符（[\s\S]*），接着以連字符，那麼$，然後1個或多個位（\d+，第1組）
  • | - 或...
  • [\\s\\S]*[$](\\d+) - 任何零個或多個字符（[\s\S]*），接着用$然後1個或多個位（\d+，仍然組1）

而我們用\1反向參考全部替換以獲得我們的結果。 - [\\s\\S]*$ - 任何字符，0次或多次出現（[\s\S]*），直到字符串的末尾（$）。