如何使用 R 中的正則表達式對 dataframe 中的字符串進行索引和 gsub

Question

我正在研究一個文本清理管道，我希望將 dataframe 中的目標詞列表和相應的替換詞應用到給定的字符串（例如，山羊） goats <- c("goats like apples applesauce. goats like bananas bananasplits. goats like cheese cheesecake.")

我正在使用 for 循環來運行目標列表和 gsub，並在指定的文本（山羊）中使用它們的相應替換。 我希望替換只捕獲精確的字符串匹配（例如，banana 但不是bananasplit）。 這是循環：

goatclean <- goats
for (i in seq_along(swap$target)) {
    goatclean <- gsub(swap$target[i], swap$replace[i], goatclean)
}
print(goatclean)

這個循環的 output 是：“山羊喜歡瑪麗瑪麗亞斯。山羊喜歡琳達林達普利特。山羊喜歡簡簡蛋糕。”

當它只是一個使用正則表達式的孤立詞時，我無法從 dataframe 中找出 gsub 'apples' 的方法——當我將 \s+ 添加到時出現錯誤：

gsub(\\s+(swap$target[i])\\s+, swap$replace[i], goatclean)

關於如何獲得 output 的任何建議如下：“山羊喜歡瑪麗蘋果醬。山羊喜歡琳達香蕉皮。山羊喜歡簡芝士蛋糕。”

感謝大家！

Answer 1

嘗試在模式周圍使用單詞邊界（ \\b ） -

for (i in seq_along(swap$target)) {
  goatclean <- gsub(paste0('\\b', swap$target[i], '\\b'), swap$replace[i], goatclean)
}