R：在逗号之间提取单词？

Question

假设我有一个字符串，其中包含以逗号分隔的各种单词。

"Hello, 1000, "Oh shit, a comma", helloagain"

我想取这样一个字符串，并给定一个值n ，提取第 n 个和第 (n+1) 个逗号之间的单词。

因此，例如，如果n = 1 ，我想提取1000 。 如果n = 2 ，我想提取"Oh shit, a comma" 。 等等。

我该怎么做呢？

请注意，逗号之间的单词可以在引号中包含逗号...也可以为空，例如字符串也可以是

"Hello,, 1000"

对于n = 1 ，我们想要单词"" 。

Answer 1

假设您打算将引​​用的字符串保持在一起（未拆分），这是一个尝试：

s <- "Hello, 1000, \"Oh shit, a_comma\", helloagain"
gre <- gregexpr("[^\\s\"']+|\"([^\"]*)\"|'([^']*)'", s)
unlist(lapply(regmatches(s, gre), function(z) {
  ifelse(grepl('^"', z), z,
         strsplit(gsub('"', '', z), "[ ,]+"))
}))
# [1] "Hello"                "1000"                 "\"Oh shit, a_comma\"" ""                    
# [5] "helloagain"          

从这里开始，它只是简单的索引。

---

另一个可能更好的选择，注意有人可能已经想出了如何正确标记可选引用的分隔文本（当以这种方式表达时，可能会引发read.csv或read.table的想法）。 没有真正需要尝试使用正则表达式（ https://xkcd.com/1171/ ）重新发明轮子。

read.csv(text = s, header = FALSE, stringsAsFactors = FALSE)
#      V1   V2                V3          V4
# 1 Hello 1000  Oh shit, a_comma  helloagain

如果您的字符串向量都具有相同数量的逗号/字段，那么您可以按原样使用它：

read.csv(text = rep(s, 3), header = FALSE, stringsAsFactors = FALSE)
#      V1   V2                V3          V4
# 1 Hello 1000  Oh shit, a_comma  helloagain
# 2 Hello 1000  Oh shit, a_comma  helloagain
# 3 Hello 1000  Oh shit, a_comma  helloagain

但是，如果它们有不同数量的逗号，则需要手动迭代它们：

out <- lapply(rep(s, 3), function(a) read.csv(text = a, header = FALSE, stringsAsFactors = FALSE))
out
# [[1]]
#      V1   V2                V3          V4
# 1 Hello 1000  Oh shit, a_comma  helloagain
# [[2]]
#      V1   V2                V3          V4
# 1 Hello 1000  Oh shit, a_comma  helloagain
# [[3]]
#      V1   V2                V3          V4
# 1 Hello 1000  Oh shit, a_comma  helloagain

然后你可以从每个中获取第n个：

sapply(out, `[[`, 2)
# [1] 1000 1000 1000

或每个不同的索引位置：

mapply(`[[`, out, c(1,3,2))
# [1] "Hello"             " Oh shit, a_comma" "1000"