Início / coding / Perguntas / 78703421
Accepted
Joe
Asked: 2024-07-04 01:10:54 +0800 CST

Usando gsub para extrair apenas letras maiúsculas de um determinado comprimento [duplicado]

  • 772

Tenho uma string onde desejo extrair o código do país, este sempre será na forma de letras maiúsculas com 3 caracteres.

mystring
"Bloggs, Joe GBR London (1)/Bloggs, Joe London (2)" 
"Bloggs, Joe London (1)/Bloggs, Joe  GBR London (2)"  
"Bloggs, Joe London (1)/Bloggs, Joe London (2)" 
"Bloggs, Joe GBR London (1)/Bloggs, Joe GBR London (2)" 
 "Bloggs, J-S GBR London (1)/Bloggs, J-S GBR London (2)"

O que estou tentando conseguir

mystring
GBR/
/GBR
/
GBR/GBR
GBR/GBR

Blanks are fine if there is no country, I can deal with them

Eu tentei algumas coisas que vi aqui, uma que tentou remover todos os caracteres que não são maiúsculos, mas depois fiquei com outras letras que não quero, como as maiúsculas do nome e localização. Tentei então fazer o mesmo, tentando remover todas as letras que não começam e terminam com maiúscula (também não tive alegria devido a problemas de nome);

gsub("[^A-Z$]", "", mystring)

Se eu apenas mantiver todas as letras maiúsculas onde há 3 letras que podem funcionar, mas não consigo acertar o código, acho que seria algo como abaixo se alguém conhecesse ou conhecesse um método mais robusto;

gsub("[^A-Z$]{3}", "", mystring)

1 respostas

  1. Best Answer

    Gosto stringr::str_extractde extrair padrões de strings. Isso permite que você simplesmente insira o padrão desejado, em vez de tentar substituir todo o resto:

    mystring = c("Bloggs, Joe GBR London (1)/Bloggs, Joe London (2)", 
"Bloggs, Joe London (1)/Bloggs, Joe  GBR London (2)"  ,
"Bloggs, Joe London (1)/Bloggs, Joe London (2)" ,
"Bloggs, Joe GBR London (1)/Bloggs, Joe GBR London (2)", 
 "Bloggs, J-S GBR London (1)/Bloggs, J-S GBR London (2)" 
)

## extract first matches
stringr::str_extract(mystring, "[A-Z]{3}")
# [1] "GBR" "GBR" NA    "GBR" "GBR"

## or get all matches with `str_extract_all`
stringr::str_extract_all(mystring, "[A-Z]{3}")
# [[1]]
# [1] "GBR"
# 
# [[2]]
# [1] "GBR"
# 
# [[3]]
# character(0)
# 
# [[4]]
# [1] "GBR" "GBR"
# 
# [[5]]
# [1] "GBR" "GBR"

    É possível fazer o mesmo na base R usando substringou regmatchese regexpr como visto nas respostas aqui .

    • 2

relate perguntas