打破常规

Question

我有10000说明，我想使用正则表达式提取与短语``arrested''相关的数字。

例如：

"police arrests 4 people"
"7 people were arrested".

数字范围为1-99。

我尝试了以下代码：

gen arrest= regexm(description, "(^[1-9][0-9]$)[ ]*(arrests|arrested)")

我不能只提取数字，因为描述中还提到了与逮捕无关的数字。

Answer 1

以下对我有用（基于@PoulBak想法的解决方案）：

clear

input strL var1
"This is 1 long string saying that police arrests 4 people"
"3 news outlets today reported that 7 people were arrested"
"several witnesses saw 5 people arrested and other 3 killed"
end

generate var2 = ustrregexs(0) if ustrregexm(var1, "(?:([1-9]?[0-9])[a-zA-Z ]{0,20}(?:arrests|arrested))|(?:(?:arrests|arrested)[a-zA-Z ]{0,20}([1-9]?[0-9]))")

list

   +-------------------------------------------------------------------------------------+
   |                                                       var1                     var2 |
   |-------------------------------------------------------------------------------------|
1. |  This is 1 long string saying that police arrests 4 people                arrests 4 |
2. |  3 news outlets today reported that 7 people were arrested   7 people were arrested |
3. | several witnesses saw 5 people arrested and other 3 killed        5 people arrested |
   +-------------------------------------------------------------------------------------+

Answer 2

您可以使用此正则表达式：

(?:([1-9]?[0-9])[a-zA-Z ]{0,20}(?:arrests|arrested))|(?:(?:arrests|arrested)[a-zA-Z ]{0,20}([1-9]?[0-9]))

它将搜索按字母顺序分为2个，无论该数字是在“逮捕|被捕”之前还是之后。

它将创建一个非捕获Group，它与1-9中的number（可选）和0-9中的数字匹配。接下来是先匹配0 - 20 of any letter和空格（其他单词），然后再匹配'arrests OR arrested.，然后对相反的情况（数字在最后）进行或运算。

如果数字是“ within 20 chars”中的arrests|arrested，则匹配。

Answer 3

也许是这样吗？

(\d+)[^,.\d\n]+?(?=arrest|custody)|(?<=arrest|custody)[^,.\d\n]+?(\d+)

Regex101

请记住，这与数字的文字版本不符（即，五个人被捕）-因此，如果需要，您必须将其合并。

打破常规

(\d+)[^,.\d\n]+?(?=arrest|custody)如果＃在观看条款之前
- (\d+)要捕获的数字，用+一个或多个数字
- [^,.\d\n]+?匹配除逗号,，句点.，数字\d或换行符\n之外的所有内容。这些可防止FP使用不同的句子（必须包含在同一句子中）-+?一次或多次（懒惰）
- (?=arrest|custody)积极向前看是否有两个词：
(?<=arrest|custody)[^,.\d\n]+?(\d+)如果＃在观看条款之后
- (?<=arrest|custody)积极回首，检查单词是否在＃
- [^,.\d\n]+?匹配除逗号,，句点.，数字\d或换行符\n之外的所有内容。这些可防止FP使用不同的句子（必须包含在同一句子中）-+?一次或多次（懒惰）
- (\d+)要捕获的数字，用+一个或多个数字

其他注释

如果要添加数字的文字表示形式，则可以将其合并到(\d+)捕获组中。

如果除了被捕或托管以外，还有其他需要注意的条款，可以将这些条款添加到两个环顾组

正则表达式提取单词前后的数字

3 个答案:

打破常规

其他注释