［R］文字列から正規表現にマッチする文字列を抜き出す

str_extract関数を使う。str_match関数はその抜き出した文字列を分解して配列にして返す。マッチする文字列が無い場合はNAを返す。

以下は、郵便番号を表していると思われる文字列から、郵便番号の箇所のみ抜き出した例。正規表現では、「3桁の数字」＋「「－」か何も無し」＋「4桁の数字」からなる文字列を郵便番号と仮定して、抜き出している。str_match関数はマッチした内容を分解して表形式にして返す。

> s <- c("123-4567", "〒123-4567", "1234567", "123@4567", " 123-4567 ")
> str_extract(s, "([0-9]{3})(-*)([0-9]{4})")
[1] "123-4567" "123-4567" "1234567"  NA         "123-4567"
> str_match(s, "([0-9]{3})(-*)([0-9]{4})")
     [,1]       [,2]  [,3] [,4]  
[1,] "123-4567" "123" "-"  "4567"
[2,] "123-4567" "123" "-"  "4567"
[3,] "1234567"  "123" ""   "4567"
[4,] NA         NA    NA   NA    
[5,] "123-4567" "123" "-"  "4567"