[英]Extracting first word after a specific expression in R
我有一列包含数千个这样的描述(示例):
描述 |
---|
在美国洛杉矶市建设医院 |
在美国纽约市建设一所学校 |
在美国芝加哥市建造商店 |
我想用“city of”之后的第一个词创建一个列,如下所示:
描述 | 城市 |
---|---|
在美国洛杉矶市建设医院 | 洛杉矶 |
在美国纽约市建设一所学校 | 纽约市 |
在美国芝加哥市建造商店 | 芝加哥 |
在看到此主题后,我尝试使用以下代码在特定单词后提取字符串,但我的列仅填充了缺失值
library(stringr)
df$city <- data.frame(str_extract(df$Description, "(?<=city of:\\s)[^;]+"))
df$city <- data.frame(str_extract(df$Description, "(?<=of:\\s)[^;]+"))
我查看了 dput() ,输出与我直接在数据帧中看到的描述相同。
这应该可以解决您显示的数据:
df$city <- str_extract(df$Description, "(?<=city of )(\\w+)")
df
#> Description city
#> 1 Building a hospital in the city of LA, USA LA
#> 2 Building a school in the city of NYC, USA NYC
#> 3 Building shops in the city of Chicago, USA Chicago
但是,如果您想要整个字符串直到第一个逗号(例如,名称中带有空格的城市),您可以使用:
df$city <- str_extract(df$Description, "(?<=city of )(.+)(?=,)")
查看以下示例:
df <- data.frame(Description = c("Building a hospital in the city of LA, USA",
"Building a school in the city of NYC, USA",
"Building shops in the city of Chicago, USA",
"Building a church in the city of Salt Lake City, USA"))
str_extract(df$Description, "(?<=the city of )(\\w+)")
#> [1] "LA" "NYC" "Chicago" "Salt"
str_extract(df$Description, "(?<=the city of )(.+)(?=,)")
#> [1] "LA" "NYC" "Chicago" "Salt Lake City"
看看?regex
:
模式 (?=...) 和 (?!...) 是零宽度正负前瞻断言:如果尝试匹配...从当前位置向前匹配成功(或失败),则它们匹配,但是在处理的字符串中没有使用任何字符。 模式 (?<=...) 和 (?<!...) 是后视等价物:它们不允许重复量词或 \\C in ....
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.