Question

我想编辑字符串的地址，例如：

test = c("[Mavlyanova, Nadira G.] Uzbek Acad Sci, GA Mavlyanov Inst Seismol, Tashkent 700135, Uzbekistan; [Markovic, Slobodan B.] Univ Novi Sad, Fac Sci, Chair Phys Geog, Novi Sad 21000, Serbia; [Rowell, G.] Univ Adelaide, Sch Chem & Phys, Adelaide, SA 5005, Australia; [Katarzynski, K.] Nicholas Copernicus Univ, Torun Ctr Astron, PL-87100 Torun, Poland; [Ansari, Z.; Boettcher, M.; Manschwetus, B.; Rottke, H.; Sandner, W.] Max Born Inst, D-12489 Berlin, Germany; [Milosevic, D. B.] Univ Sarajevo, Fac Sci, Sarajevo 71000, Bosnia & Herceg")

我想只获得国家/地区名称。这是我到目前为止所尝试的：

> testa <- gsub("\\[.*?\\] ", "", test) #remove square brackets  
> testa <- strsplit(testa, ";", fixed = TRUE) #split adresses  
> testa <- sapply(testa, function(x) gsub("^.*, ([A-Za-z ]*)$", "\\1", x)) #keep only what's after last comma  
> testa <- gsub("^ | $", "", testa) #remove spaces  
> testa  
     [,1]  
[1,] "Uzbekistan"  
[2,] "Serbia"  
[3,] "Australia"  
[4,] "Poland"  
[5,] "Germany"  
[6,] "Univ Sarajevo, Fac Sci, Sarajevo 71000, Bosnia & Herceg"

不幸的是，这对最后一个地址不起作用。我希望得到以下输出：

> testa  
     [,1]                                                       
[1,] "Uzbekistan"  
[2,] "Serbia"  
[3,] "Australia"  
[4,] "Poland"  
[5,] "Germany"  
[6,] "Bosnia & Herceg"

我的问题是：

我的sapply函数中的错误是什么阻止它正确处理最后一个地址？
如何改善它以获得正确的输出？

Answer 1

为什么不向后工作？

testa <- gsub("\\[.*?\\] ", "", test)
testa <- strsplit(testa, ";", fixed = TRUE)
# Remaining steps in question are unnecessary with the solution below

> sub(".+, ([A-Za-z& ]+)$","\\1",testa[[1]])
[1] "Uzbekistan"      "Serbia"          "Australia"       "Poland"          "Germany"         "Bosnia & Herceg"

Answer 2

您的代码存在的问题是代码中的“最后一个逗号后面的所有内容”部分使用[A-Za-z ]作为此后唯一有效的字符。此集不包括&，因此不会对最后一个地址执行替换。也许您应该使用[^,]来表示“除了逗号之外的任何东西”。

Answer 3

这里已有一些更好的答案，但我已经解决了这个问题所以我认为我还会发布：

y <- unlist(strsplit(test, "\\["))
y <- y[y!=""]
z <- sapply(y, function(x) strsplit(x, ","))
lens <- sapply(z, length)
a <- sapply(seq_along(z), function(i) z[[i]][lens[i]])
a <- gsub(";", "", a)
Trim <- function (x) gsub("^\\s+|\\s+$", "", x)
Trim(a)

Answer 4

在gsubfn包中使用strapplyc（或strapply也可以，但strapplyc更快）的单行内容。首先将";"添加到test，然后搜索[（使用正则表达式"\\["），后跟除[之外的任何字符的字符串（使用正则表达式"[^[]+"）后跟逗号和空格（", "），后跟除逗号，分号或[以外的任何字符序列（使用正则表达式"([^,;[]+)"），后跟分号（;）并仅返回括号内的部分：

> library(gsubfn)
> strapplyc(paste0(test, ";"), "\\[[^[]+, ([^,;[]+);", simplify = TRUE)
     [,1]             
[1,] "Uzbekistan"     
[2,] "Serbia"         
[3,] "Australia"      
[4,] "Poland"         
[5,] "Germany"        
[6,] "Bosnia & Herceg"

使用R中的正则表达式编辑地址

4 个答案: