替换文本中大于5位的数字

问题描述

a <- c("this is a number 9999333333 and i got 12344")

我怎么用大于等于5的数字替换X呢？

预期输出：

"this is a number 99993XXXXX and i got 12344"

我尝试的代码：

gsub("(.{5}).*","X",a)

解决方法

您可以将gsub与PCRE正则表达式一起使用：

(?:\G(?!^)|(?<!\d)\d{5})\K\d

请参见regex demo。详细信息：

• (?:\G(?!^)|(?<!\d)\d{5})-上一次成功匹配（\G(?!^)或（|）的末尾，位置之前没有数字（(?<!\d)），然后是任意五个数字
• \K-匹配重置运算符将舍弃到目前为止已匹配的所有文本
• \d-一个数字。

请参见R demo：

a <- c("this is a number 9999333333 and i got 12344")
gsub("(?:\\G(?!^)|(?<!\\d)\\d{5})\\K\\d","X",a,perl=TRUE)
## => [1] "this is a number 99993XXXXX and i got 12344"

, gsubfn软件包中的

gsubfn与gsub相似，除了替换字符串可以是输入捕获组并将匹配结果输出的函数。该函数可以像我们在此处那样以公式符号表示。

正则表达式(\d{5})匹配并捕获5个数字，(\d+)匹配并捕获其余的数字。这两个捕获组被馈送到函数中并粘贴回去，除了第二个捕获组中的每个字符都被X代替。 r"{...}"是R 4.0中引入的字符串文字的表示法，它消除了必须使用双反斜杠来表示字符串文字内的反斜杠的情况。

library(gsubfn)

gsubfn(r"{(\d{5})(\d+)}",~ paste0(x,gsub(".",y)),a)
## [1] "this is a number 99993XXXXX and i got 12344"

如果我们用正则表达式r"{(\d{2})(\d{4,})}"替换第一个参数，则它将替换除前两位以外的所有数字，前提是至少有6位数字。

,

不使用gsub替换文本中大于5位数字的数字的另一种方法是用strsplit分割字符串，测试是否只有数字和结合使用substr和strrep：

paste(lapply(strsplit(a," ")[[1]],function(x) {
  if(!grepl("\\D",x)) {
    paste0(substr(x,1,5),strrep("X",pmax(0,nchar(x)-5)))
  } else {x}}),collapse = " ")
#[1] "this is a number 99993XXXXX and i got 12344"

要在前2位数字之后替换X以表示大于5位数字：

paste(lapply(strsplit(a,x) & nchar(x) > 5) {
    paste0(substr(x,2),nchar(x)-2)))
  } else {x}}),collapse = " ")
#[1] "this is a number 99XXXXXXXX and i got 12344"