[R] gregexpr, regmatches(패턴 추출)

텍스트 처리에서 유용하게 사용되는 패턴 추출에 관한 함수들에 대해 알아보도록 하겠습니다. 먼저 우리가 풀어야 할 문제에 대해 알아보도록 하겠습니다.

 

> fls[1]
[1] "dws_1/sub_1.csv"

fls[1]에는 다음과 같은 문자가 들어있습니다. 여기서 앞에 숫자1은 실험의 횟수를 의미하고, 뒤에 숫자1은 유저의 고유한 번호를 의미합니다. 

 

해당 문자열에서 숫자를 추출하여 따로 저장하는 것이 목표입니다. 

 

gregexpr

: 함수의 지정되어 있는 표현을 텍스트 전체에서 찾아줍니다.

---

gregexpr 사용법은 다음과 같습니다. gregexpr("패턴", 해당 문자열) 앞의 목표에서 우리는 먼저, 숫자를 출력하는 것이 목표입니다. 그렇기 위해서 정규표현식을 사용해서 숫자 패턴을 정의하도록 하겠습니다. 

 

먼저 , 숫자에 관한 정규표현식은 [[:digit:]]+ 입니다. 뒤에 +는 적어도 1번 매칭을 하겠다는 뜻입니다. 정규 표현식에 관한 내용은 다음 글에 잘 정리되어 있습니다.

gregexpr("[[:digit:]]+", fls[1])

gregexpr는 다음과 같이 패턴이 위치한 인덱스를 반환하여 줍니다. 이제 우리가 원하는 숫자가 들어있는 인덱스의 값을 알았으니, 그 인덱스에 해당하는 값을 가져오면 성공입니다!!

 

regmatches

: 인덱스에 해당하는 값을 가져와 줍니다.

---

regmatches는 위에서 gregexpr를 사용해서 얻은 인덱스의 값을 넣어줌으로써 실제 데이터에 값을 가져오게 됩니다.

regmatches(fls[1],gregexpr("[[:digit:]]+", fls[1])[1])

 

다음과 같이 우리가 출력하고 싶은 내용을 잘 출력하였습니다.