R 正則表達式提取獨立字符

Question

我正在嘗試從多列中提取獨立的字母 R 或 O。 通過獨立，我的意思是 R 或 O (i) 由空格分隔或 (ii) 這是單元格中的唯一值。 這是一個可重現的示例。 假設我想從X1和X2列中提取獨立的 R 或 O 。

df <- data.frame(X1 = c( "EHO", "X 1 R","R"),
                 X2 = c( "Y R E", "X A 1", "AER"), 
                 X3 = NA)

這是期望的結果。

data.frame(X1 = c("", "R", "R"),
           X2 = c("R", "", ""))

這是我到目前為止所嘗試的。 第一種方法是有問題的，因為提取了來自 AER 的 R 和來自 EHO 的 O（也沒有提取來自“Y R E”的 R）。

require(stringr)
sapply(df[,1:2], function(x) ifelse( df$X3 %in% NA, str_extract(x, "\\s?[O|R]$"), X3))

所以我試過這個，它解決了上述問題，但現在它無法從df[3,1]中提取 R 。

sapply(df[,1:2], function(x) ifelse( df$X3 %in% NA, str_extract(x, "(?![A-Z]+?)\\s?[O|R]$?"), X3))

我應該如何修復模式來獲得這個？

Answer 1

您可以使用單詞邊界：

sapply(df, stringr::str_extract, '\\b[RO]\\b')

#     X1  X2  X3
#[1,] NA  "R" NA
#[2,] "R" NA  NA
#[3,] "R" NA  NA

但是，請注意str_extract將僅提取"R"或"O"中的一個，以先到者為准。

stringr::str_extract('EH R O', '\\b[RO]\\b')
#[1] "R"

如果你想提取它們，你可能需要使用str_extract_all 。