在 R 中的特定表达式之后提取第一个单词

Question

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。

Answer 1

解决方案

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

---

选择

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"

---

文档

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 ....