假设我有一个数据框，其中包含我使用twitteR收集的推文。我想提取一个子字符串，它是每个推特中包含的另一个数据集的唯一ID。所有ID的格式均相同，由3-4个大写字母组成，后跟一个连字符，然后是一个6位数字。示例为：YLD-000123，YLSL-000323，YLP-000135。我只需要ID，就可以在每条推文上删除其他所有内容。
这是我正在使用的推文的两个示例：
st1="Elijo ENTERTIMER, YLC-000354, como ganador para http://t.co/jclDk8d796 #YoungLionsCo #FantasyLions"
st2="Elijo #AEseTrenNoMeLeSubo, YLSL-000169, como ganador para http://t.co/wPpM7X5ecN #YoungLionsCo #FantasyLions"
tweets=c(st1,st2)
我需要的结果是“ YLC-000354”“ YLSL-000169”。该ID并不总是在逗号之间。
使用方法gsub：
gsub('.*[^[:alpha:]]([[:alpha:]]+-\\d+).*','\\1',tweets)
#[1] "YLC-000354" "YLSL-000169"
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句