问题描述:我目前正在从一系列书籍中提取名称。许多角色会以昵称、名字的一部分或头衔命名。我有一个名称列表,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,我正在阅读大量文本。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,从字符串中删除它匹配的任何文本?
我得到了什么:
str_extract("Mr Bean and friends", pattern = fixed(c("Mr Bean", "Bean", "Mr")))
[1] "Mr Bean" "Bean" "Mr"
我要的是: (我知道我不能仅使用 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
最佳答案
一种选择是递归更新。因为我们想要一个输出 vector
的 length
'n' 等于 length
的 pattern
vector
,创建一个输出向量来存储值,然后通过从字符串中删除“模式”并更新它来更新每个“模式”执行后的初始字符串
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
或与
vapply
相同的方法并使用 <<-
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
关于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,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/54504845/