Question

我想在R中拆分文本字符串，但我想考虑一些方面。例如，如果字符串有一个点.或!，我希望我的函数将它们作为我的拆分列表的元素。下面是我想要的例子。

  mytext="Caracas. Montevideo! Chicago."  
  split= "Caracas", "." ,"Montevideo", "!", "Chicago", "."

我目前的方法是先用内置的R函数gsub替换＆＃34;。＆＃34; by＆＃34; 。＆＃34;然后我也使用strsplit函数。

  mytext=gsub("\\."," .",mytext)
  mytext=gsub("\\!"," !",mytext)
  unlist(strsplit(mytext,split=' '))

所以，我的问题是：是否有另一种方法可以通过配置strsplit函数的参数或其他方法来实现这一点，您可以更有效率。

感谢任何帮助或建议。

Answer 1

前瞻是你在这里寻找的东西：

strsplit(mytext, split = "(?=(\\.|!))", perl = TRUE)
#[[1]]
#[1] "Caracas"     "."           " Montevideo" "!"           " Chicago"    "."

Answer 2

eddi的解决方案不会拆分空格。试试这个：

> regmatches(mytext, gregexpr(text=mytext, pattern="(?=[\\.\\!])|(?:\\s)", perl=T), invert=T)
[[1]]
[1] "Caracas"    "."          "Montevideo" "!"          "Chicago"    "."

R中特定的字符串拆分

2 个答案: