关键在于你pattern = "(.*)(\\d{4,7}$)"这句
解读你的pattern意思是
(任意字符出现0~n次)(尾部出现4-7个数字)
执行比对的时候4614834的前面3个数字(461)被当成任意字符了
所以永远只会回传最后4个数字
小弟学艺不精，对大大写的gsub不熟(尤其是replacement="\\2"的部分)
查了下发现好像是capturing group[1]，但不是很能确定如何撷取需要的部分
我只知道\\1是return比对到的字串(有错请指正)
\\2就不知道是什么了
如何改你的code再有请其他大大出手协助 ¯\_(ツ)_/¯
#####
以下提供两个做法:
(fname为最原始的字串 c("agarslawrence_204628_20026409_DMC_Assignment2_4614834-1.docx","..."...))
方法1: base function:
用regexec搭配regmatches来确定是否正确比对出所想要的字串
regmatches(
fname,
regexec("(\\d{4,7})(-1.pdf|-1.docx|.pdf|.docx|_FINAL.pdf|-2.docx|_Assign2_DMC-1.pdf)$", fname)
)
根据我的pattern: "(\\d{4,7})(-1.pdf|-1.docx|.pdf|.docx|_FINAL.pdf|-2.docx|_Assign2_DMC-1.pdf)$"
回传的结果会是一个list，每个element里面又各有三个东西，分别为
1.完整比对结果 2.第1个子模式(\\d{4,7})比对结果 3.第2个子模式(.pdf|.docx...)比对结果
(ps. 括号括起来的就是子模式)
[[1]]
[1] "4614834-1.docx" "4614834"
[3] "-1.docx"
[[2]]
[1] "0953.docx" "0953"
[3] ".docx"
[[3]]
[1] "6589.pdf" "6589" ".pdf"
[[4]]
[1] "8752.pdf" "8752" ".pdf"
...
可以发现第2个element是我们要的东西
取出结果：
regmatches(
fname,
regexec("(\\d{4,7})(-1.pdf|-1.docx|.pdf|.docx|_FINAL.pdf|-2.docx|_Assign2_DMC-1.pdf)$", fname)
) %>% sapply(.,function(x){x[2]})
[1] "4614834" "0953" "6589"
[4] "8752" "7392" "4833"
[7] "4127" "6490" "7389"
[10] "6083" "0313" "2309"
[13] "8928" "6822" "6193"
[16] "0718" "6098" "8800"
[19] "0384" "5572" "8847"
方法2: stringr::str_match
data.frame(have=fname) %>%
mutate(want=str_match(fname,"(\\d{4,7})(-1.pdf|-1.docx|.pdf|.docx|_FINAL.pdf|-2.docx|_Assign2_DMC-1.pdf)$")[,2])
基本上做的事情跟上面一样，只是一行完成
have want
1 agarslawrence_204628_20026409_DMC_Assignment2_4614834-1.docx 4614834
2 andrewstimothy_297293_19936198_DMC Assignment 2 0953.docx 0953
3 ashtonisabel_294366_19979255_DMC_2021S2_A2_6589.pdf 6589
4 beaumontjenna_294376_20033339_DMC_Assignment2_8752.pdf 8752
5 claytonphilipandrew_125548_20002099_DMC_Assignment2_7392-1.pdf 7392
6 eddydani_297300_19967943_DMC_Assignment2_4833.docx 4833
7 edwardsfelicity_281039_19732901_DMC_Assignment2_4127.pdf 4127
8 gannonsean_294373_19967863_DMC_Assignment2_6490.pdf 6490
9 gawjames_295684_19988820_DMC_Assignment2_7389.docx 7389
10 godwinsam_294371_20034982_DMC_Assignment2_unikey_6083_FINAL.pdf 6083
11 guanqi_LATE_296467_20039218_ DMC_Assignment2_0313-1.pdf 0313
12 herbertrob_110692_19622280_DMC_Assignment2_2309.pdf 2309
13 hopkinsnathan_293664_20025212_DMC_Assignment2_8928.pdf 8928
14 huangannette_265602_20028154_DMC_Assignment 2_6822.pdf 6822
15 ilaovince_294377_20026222_DMC_Assignment2_6193.docx 6193
16 lammichael_293038_19961008_DMC_assignment2_0718.docx 0718
17 lamyanyin_294380_19991757_DMC_Assignment2_6098.docx 6098
18 leekenneth_281025_19958430_DMC_Assignment2_8800-2.docx 8800
19 luimatthew_296777_20032458_DMC_Assignment2_0384-1.pdf 0384
20 mcphailsandi_283784_20036309_5572_Assign2_DMC-1.pdf 5572
21 millerjake_278059_20036475_DMC_Assignment2_8847.docx 8847
资料附注:
[1] https://www.regular-expressions.info/rlanguage.html
##########
btw, 还是希望以后发问请提供“可以直接复制”的资料
不然就算到了你的hackmd页面，上面的程式码根本无法执行，我还是要自己一行一行复制资料....
帮忙意愿会大幅降低...QQ
file.names <- list.files( path=dir.assignment.2
,pattern=".*\\.pdf$|.*\\.docx$"
,full.names=FALSE) # length(file.names) 21
↑↑↑上面这行别人没办法执行啊啊啊啊啊!!!↑↑↑
最简单的做法就是使用dput()
ex: dput(file.names)
然后把显示的结果一字不漏地全部复制贴过来即可。
《回答问题拿不到任何好处纯粹是交流，发问还请体谅版友们，一起创造良好的交流环境吧~~》
小小版工下台一鞠躬
※ 引述《luenchang (luen)》之铭言：
: [问题叙述]:
: 请教先进们，
: 我有21个档案。我想从档案名称的尾巴拿出数字的部分，位数介于4到7位。
: 档案是pdf及docx. 我已先把不要的字串去除，直到尾巴部分留下数字，这部分
: 命名为have.
: 21个档案中只有第一个档案的目标数字是7位(4614834)，第2到21个档案都是4位。目前我的regex
: 拿出的数字全是4位数，不知道为何 \\d{4,7} 只从第1个档案拿出4834，而不是4614834
: 。我把拿出的数字命名为 want
: [程式范例]:
: 请参考以下网页第一个部分 Extract numbers of varying length from the end of strings
: https://hackmd.io/@Chang/string-manipulation-in-R
: 或以下的程式:
: 拿出档名
: file.names <- list.files( path=dir.assignment.2
: ,pattern=".*\\.pdf$|.*\\.docx$"
: ,full.names=FALSE) # length(file.names) 21
: 拿出档名尾数字
: file.names.1 <- data.frame(file.name=file.names
: ,stringsAsFactors = F) %>%
: # Remove unwanted strings
: dplyr::mutate(have= stringr::str_remove_all( string=file.names
: ,pattern =
: "_Assign2_DMC-1.pdf|-1.docx|-1.pdf|_FINAL.pdf|-2.docx|.docx|.pdf")
: ,want=gsub(x=have, pattern = "(.*)(\\d{4,7})$", replacement =
: "\\2", perl = TRUE)) %>%
: #Keep wanted columns
: dplyr::select(have, want)
: 结果
: # have want
: # 1 agarslawrence_204628_20026409_DMC_Assignment2_4614834 4834
: # 2 andrewstimothy_297293_19936198_DMC Assignment 2 0953 0953
: # 3 ashtonisabel_294366_19979255_DMC_2021S2_A2_6589 6589
: # 4 beaumontjenna_294376_20033339_DMC_Assignment2_8752 8752
: # 5 claytonphilipandrew_125548_20002099_DMC_Assignment2_7392 7392
: # 6 eddydani_297300_19967943_DMC_Assignment2_4833 4833
: # 7 edwardsfelicity_281039_19732901_DMC_Assignment2_4127 4127
: # 8 gannonsean_294373_19967863_DMC_Assignment2_6490 6490
: # 9 gawjames_295684_19988820_DMC_Assignment2_7389 7389
: # 10 godwinsam_294371_20034982_DMC_Assignment2_unikey_6083 6083
: # 11 guanqi_LATE_296467_20039218_ DMC_Assignment2_0313 0313
: # 12 herbertrob_110692_19622280_DMC_Assignment2_2309 2309
: # 13 hopkinsnathan_293664_20025212_DMC_Assignment2_8928 8928
: # 14 huangannette_265602_20028154_DMC_Assignment 2_6822 6822
: # 15 ilaovince_294377_20026222_DMC_Assignment2_6193 6193
: # 16 lammichael_293038_19961008_DMC_assignment2_0718 0718
: # 17 lamyanyin_294380_19991757_DMC_Assignment2_6098 6098
: # 18 leekenneth_281025_19958430_DMC_Assignment2_8800 8800
: # 19 luimatthew_296777_20032458_DMC_Assignment2_0384 0384
: # 20 mcphailsandi_283784_20036309_5572 5572
: # 21 millerjake_278059_20036475_DMC_Assignment2_8847 8847