※ 引述《PILIPALAPON (pilipalapon)》之铭言： : [问题类型]: : 程式谘询 : [软体熟悉度]: : 入门 : [问题叙述]: : 资料档如下 : Addr : 宜兰县数学镇数学里10邻数学路１００巷１６之２号 : 基隆市太阳区太阳里17邻太阳三街２２３之２号十九楼 : 基隆市白云区白云里20邻白云三街５９号十楼之１ : 新竹市海洋区海洋里13邻海洋路２９号六楼 : 台北市小明区小名里20邻小名路２２２号二十楼 : 新北市语文区语文里17邻语文路２２１号二十九楼之５ : 宜兰县飞机镇飞机里3邻飞机路７３号 : 新北市红色区红色里15邻红色路四段１５号之４十七楼 : 若「楼」前面有国字数字，需先转成数字，再将每一个住址里的数字全部抓出来。 : 这个问题除了中文数字外，还需要处理全型的数字(已问过原PO，後面确实是全型数字) 我这里的顺序是先处理全型的数字，才处理中文数字 当然也可以反过来，两个不影响 好读版：http://pastebin.com/srDz11gP 全型转成半型的想法是这样： 先行知识：字串可以转成raw bytes的型式，多个16进位的数字表示 你可以试试看 charToRaw("123") 会出现 [1] 31 32 33 charToRaw("１２３") 会出现 [1] a2 b0 a2 b1 a2 b2 所以全形数字会占去两个16进位，可以稍微测试一下： charToRaw("０１２３４５６７８９") [1] a2 af a2 b0 a2 b1 a2 b2 a2 b3 a2 b4 a2 b5 a2 b6 a2 b7 a2 b8 可以看到全型的0123456789 开头都是 a2 而结尾是af到b8 把af到b8转成数字就是 175~184 因此，先把a2找出来，再将确定後一位是否为175~184 (全形数字) 之後再把第二个数字做位移(减去127)，然後把第一个数字去掉 这样转换就完成了 PS: 减去127的原因是 as.integer(charToRaw("0"))是 48 as.integer(charToRaw("０")[2])是 175 两个相差的值是127... 至於中文数字转阿拉伯数字则是参考这篇的python code： http://www.cnblogs.com/kaituorensheng/p/3586942.html address <- c("宜兰县数学镇数学里10邻数学路１００巷１６之２号", "基隆市太阳区太阳里17邻太阳三街２２３之２号十九楼", "基隆市白云区白云里20邻白云三街５９号十楼之１", "新竹市海洋区海洋里13邻海洋路２９号六楼", "台北市小明区小名里20邻小名路２２２号二十楼", "新北市语文区语文里17邻语文路２２１号二十九楼之５", "宜兰县飞机镇飞机里3邻飞机路７３号", "新北市红色区红色里15邻红色路四段１５号之４十七楼") library(magrittr) library(plyr) library(stringr) library(stringi) address_converted <- sapply(address, function(x){ raw_address <- charToRaw(x) loc_maybe_fullwidth_digits <- which(raw_address == "a2") second_loc <- raw_address[loc_maybe_fullwidth_digits+1] %>% as.integer loc_fullwidth_digits <- loc_maybe_fullwidth_digits[second_loc >= 175 & second_loc <= 184] + 1 raw_address[loc_fullwidth_digits] <- raw_address[loc_fullwidth_digits] %>% as.integer %>% '-'(127) %>% as.raw return(rawToChar(raw_address[setdiff(1:length(raw_address), loc_fullwidth_digits-1)])) }) %>% `names<-`(NULL) # [1] "宜兰县数学镇数学里10邻数学路100巷16之2号" # [2] "基隆市太阳区太阳里17邻太阳三街223之2号十九楼" # [3] "基隆市白云区白云里20邻白云三街59号十楼之1" # [4] "新竹市海洋区海洋里13邻海洋路29号六楼" # [5] "台北市小明区小名里20邻小名路222号二十楼" # [6] "新北市语文区语文里17邻语文路221号二十九楼之5" # [7] "宜兰县飞机镇飞机里3邻飞机路73号" # [8] "新北市红色区红色里15邻红色路四段15号之4十七楼" chinese2digits <- function(x){ vals <- sapply(str_split(x, "")[[1]], function(chi_digit){ mapvalues(chi_digit, c("零", "一", "二", "三", "四", "五", "六", "七", "八", "九", "十", "百", "千", "万", "亿"), c(0:10, 10^c(2,3,4,8)), FALSE) }) %>% as.integer digit_output <- 0 base_term <- 1 for (i in rev(seq_along(vals))) { if (vals[i] >= 10 && i == 1) { base_term <- ifelse(vals[i] > base_term, vals[i], base_term * vals[i]) digit_output <- digit_output + vals[i] } else if (vals[i] >= 10) { base_term <- ifelse(vals[i] > base_term, vals[i], base_term * vals[i]) } else { digit_output <- digit_output + base_term * vals[i] } } return(digit_output) } ## test # chinese2digits("一百五十二") # 152 # chinese2digits("一亿零八万零三百二十三") # 100080323 # chinese2digits("十九") # 19 address_converted2 <- sapply(address_converted, function(x){ pattern_starts <- "[零一二三四五六七八九十百千万亿]+楼" if (!str_detect(x, pattern_starts)) return(x) stairs <- str_extract(x, pattern_starts) x <- str_replace(x, str_c("(\\d+)(", pattern_starts, ")"), "\\1, \\2") x <- str_replace(stairs, "楼", "") %>% chinese2digits %>% str_c("楼") %>% {str_replace(x, stairs, .)} return(x) }) %>% `names<-`(NULL) # [1] "宜兰县数学镇数学里10邻数学路100巷16之2号" # [2] "基隆市太阳区太阳里17邻太阳三街223之2号19楼" # [3] "基隆市白云区白云里20邻白云三街59号10楼之1, " # [4] "新竹市海洋区海洋里13邻海洋路29号6楼" # [5] "台北市小明区小名里20邻小名路222号20楼" # [6] "新北市语文区语文里17邻语文路221号29楼之5, " # [7] "宜兰县飞机镇飞机里3邻飞机路73号" # [8] "新北市红色区红色里15邻红色路四段15号之4, 17楼" sapply(address_converted2, str_extract_all, pattern = "\\d+") # $`宜兰县数学镇数学里10邻数学路100巷16之2号` # [1] "10" "100" "16" "2" # # $基隆市太阳区太阳里17邻太阳三街223之2号19楼 # [1] "17" "223" "2" "19" # # $`基隆市白云区白云里20邻白云三街59号10楼之1, ` # [1] "20" "59" "10" "1" # # $新竹市海洋区海洋里13邻海洋路29号6楼 # [1] "13" "29" "6" # # $台北市小明区小名里20邻小名路222号20楼 # [1] "20" "222" "20" # # $`新北市语文区语文里17邻语文路221号29楼之5, ` # [1] "17" "221" "29" "5" # # $宜兰县飞机镇飞机里3邻飞机路73号 # [1] "3" "73" # # $`新北市红色区红色里15邻红色路四段15号之4, 17楼` # [1] "15" "15" "4" "17" -- R资料整理套件系列文： magrittr #1LhSWhpH (R_Language) http://tinyurl.com/j3ql84c data.table #1LhW7Tvj (R_Language) http://tinyurl.com/hr77hrn dplyr(上) #1LhpJCfB (R_Language) http://tinyurl.com/jtg4hau dplyr(下) #1Lhw8b-s (R_Language) tidyr #1Liqls1R (R_Language) http://tinyurl.com/jq3o2g3 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 211.76.63.212 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/R_Language/M.1466006460.A.4DC.html ※ 编辑: celestialgod (140.109.74.87), 06/16/2016 09:55:31