R正則表達式：通過\\\\ n [Az]和[：punct：]的組合來分割字符串

Question

我有一個帶有如下字符串的數據框：

bla bla.\n14:39:51 info: pyku bla .\n14:39:51 info: \n14:39:51 info: \n14:39:57 Sam: <span>pyk pyk</span>\n14:43:15 on and on \n14:43:59 you get an idea

我想將由\\n(number):(number):(number)序列分隔的行拆分為不同的行。 我試過了

stringr::separate_rows(df3$Transcript[1], Transcript , sep = "\\n")

以及與[Az]和[:punct:]不同組合均無濟於事。 最直接的方法是什么？

謝謝

Answer 1

您想用換行符分割字符串，然后再加上時間戳。 您可以基於正向前瞻將基數R strsplit函數與PCRE正則表達式一起使用：

strsplit(s, "\\R+(?=\\d{2}:\\d{2}:\\d{2})", perl=TRUE)

見正則表達式演示

圖案細節

• \\R+ -1個或多個換行符序列（ \\n或\\r或\\r\\n ）
• (?=\\d{2}:\\d{2}:\\d{2}) -后跟2位數字: ，2位數字:和2位數字。 由於(?=...)是一個正向超前（零寬度斷言，不會將匹配的字符放入匹配值），因此與之匹配的文本不會從結果中刪除。

R演示 ：

s <- "bla bla.\n14:39:51 info: pyku bla .\n14:39:51 info: \n14:39:51 info: \n14:39:57 Sam: <span>pyk pyk</span>\n14:43:15 on and on \n14:43:59 you get an idea"
strsplit(s, "\\R+(?=\\d{2}:\\d{2}:\\d{2})", perl=TRUE)

輸出：

[[1]]
[1] "bla bla."                           "14:39:51 info: pyku bla ."         
[3] "14:39:51 info: "                    "14:39:51 info: "                   
[5] "14:39:57 Sam: <span>pyk pyk</span>" "14:43:15 on and on "               
[7] "14:43:59 you get an idea"