从字符串中提取“单词”

Question

我有一个153行乘9列的表。 我感兴趣的是第一列中的字符串，我想从第四个单词中提取第四个单词并创建一个新列表，这个列表将是153行，1列。

此数据库表的第1列的前两行示例：

[1] Resistance_Test DevID (Ohms) 428
[2] Diode_Test SUBLo (V) 353

“单词”由空格分隔，因此第一行的第四个单词是“428”，第二行的第四个单词是“353”。 如何创建包含所有153行的第四个单词的新列表？

Answer 1

将gsub()与正则表达式一起使用

x <- c("Resistance_Test DevID (Ohms) 428", "Diode_Test SUBLo (V) 353")
ptn <- "(.*? ){3}"
gsub(ptn, "", x)

[1] "428" "353"

这是有效的，因为正则表达式(.*? ){3}恰好找到三个{3}字符集后跟一个空格(.*? ) ，然后用空字符串替换它。

有关更多信息，请参阅?gsub和?regexp 。

---

如果您的数据具有您在问题中未提及的结构，那么正则表达式可能会变得更加容易。

例如，如果您始终对每行的最后一个字感兴趣：

ptn <- "(.*? )"
gsub(ptn, "", x)

或许你肯定知道你只能搜索数字并丢弃其他所有内容：

ptn <- "\\D"
gsub(ptn, "", x)

Answer 2

你可以使用stringr包中的word() ：

> x <- c("Resistance_Test DevID (Ohms) 428", "Diode_Test SUBLo (V) 353")
> library(stringr)
> word(string = x, start = 4, end = 4)
[1] "428" "353"

指定开始和结束单词的位置相同，您将始终获得第四个单词。

我希望这有帮助。

Answer 3

我们可以使用sub 。 我们将模式匹配一​​个或多个非空白空间（ \\\\S+ ），然后是一个或多个空格（ \\\\s+ ），重复3次（ {3} ），然后是在一个组中捕获的单词（ (\\\\w+) ）后跟一个或多个字符。 我们用第二个反向引用替换它。

sub("(\\S+\\s+){3}(\\w+).*", "\\2", str1)
#[1] "428" "353"

这由第n个字选择，所以

 sub("(\\S+\\s+){3}(\\w+).*", "\\2", str2)
 #[1] "428" "353" "428"

---

另一个选项是stri_extract

 library(stringi)
 stri_extract_last_regex(str1, "\\w+")
 #[1] "428" "353"

数据

str1 <- c("Resistance_Test DevID (Ohms) 428", "Diode_Test SUBLo (V) 353")
str2 <- c(str1, "Resistance_Test DevID (Ohms) 428 something else")

Answer 4

如果您不熟悉正则表达式， strsplit函数可以帮助您：

data <- c('Resistance_Test DevID (Ohms) 428', 'Diode_Test SUBLo (V) 353')
unlist(lapply(strsplit(data, ' '), function(x) x[4]))
[1] "428" "353"