时间戳

首页 > 解决方案 > 如何提取和删除字符串？所以我可以让相似的表达式匹配 1 次而不是多次

r - 如何提取和删除字符串？所以我可以让相似的表达式匹配 1 次而不是多次

问题描述

问题描述：我目前正在从丛书中提取名称。许多角色会使用昵称、名称的一部分或头衔。我有一个名称列表，我将其用作所有数据的模式。问题是我得到了全名和部分名称的多个匹配项。总共有 3000 个名称和名称的变体，我在大量文本中运行。当前按从最长字符串到最短字符串的顺序提取名称。

问题：

如何确保在提取模式后，将匹配的任何文本从字符串中删除？

我得到什么：

str_extract("Mr Bean and friends", pattern = fixed(c("Mr Bean", "Bean", "Mr")))  
[1] "Mr Bean" "Bean"    "Mr"

我想要什么：（我知道我不能只使用 str_extract() 或一行代码来实现这一点）

str_extract("Mr Bean and friends", pattern = fixed (c("Mr Bean", "Bean", "Mr")))  
[1] "Mr Bean" NA NA

标签： rstringstringr

解决方案

一种选择是递归更新。由于我们希望输出'n' 等于vectorof ，因此创建一个输出向量来存储值，然后在执行每个 'pattern' 后通过从字符串中删除 'pattern' 并更新它来更新初始字符串lengthlengthpattern vector

library(stringr)
for(i in seq_along(pat))  {
      out[i] <- str_extract(str1, pattern = fixed(pat[i]))
      str1 <- str_remove(str1, pat[i])
 }
out
#[1] "Mr Bean" NA        NA

或者使用相同的方法vapply并更新初始字符串<<-

unname(vapply(pat, function(p) {
   out <- str_extract(str1, p)
   str1 <<- str_remove(str1, p)
   out}, character(1)))
#[1] "Mr Bean" NA        NA

数据

# initialize an output vector
out <- character(length(pat))
# pattern vector
pat <- c("Mr Bean", "Bean", "Mr")
# initial string
str1 <- "Mr Bean and friends"
str2 <- str1

推荐阅读