r - 如何提取最长的匹配？

Question

考虑这个简单的例子

library(stringr)
library(dplyr)

dataframe <- data_frame(text = c('how is the biggest ??',
                                 'really amazing stuff'))

# A tibble: 2 x 1
  text                 
  <chr>                
1 how is the biggest ??
2 really amazing stuff 

我需要基于regex表达式提取一些术语，但仅提取最长的术语。

到目前为止，我只能使用str_extract提取第一个匹配项（不需要最长的匹配项）。

> dataframe %>% mutate(mymatch = str_extract(text, regex('\\w+')))
# A tibble: 2 x 2
  text                  mymatch
  <chr>                 <chr>  
1 how is the biggest ?? how    
2 really amazing stuff  really 

我尝试使用str_extract_all，但找不到有效的语法。
输出应为：

# A tibble: 2 x 2
  text                  mymatch
  <chr>                 <chr>  
1 how is the biggest ?? biggest
2 really amazing stuff  amazing 

有任何想法吗？
谢谢！

Answer 1

您可以执行以下操作：

library(stringr)
library(dplyr)

dataframe %>%
  mutate(mymatch = sapply(str_extract_all(text, '\\w+'), 
                          function(x) x[nchar(x) == max(nchar(x))][1]))

使用purrr：

library(purrr)

dataframe %>%
  mutate(mymatch = map_chr(str_extract_all(text, '\\w+'), 
                           ~ .[nchar(.) == max(nchar(.))][1]))

结果：

# A tibble: 2 x 2
                   text mymatch
                  <chr>   <chr>
1 how is the biggest ?? biggest
2  really amazing stuff amazing

注意：

如果有平局，则采用第一个。

数据：

dataframe <- data_frame(text = c('how is the biggest ??',
                                 'really amazing biggest stuff'))