Question

如何将一个巨大的“字符”拆分成较小的字符，每个字符包含100个单词。例如，这就是我过去用单个词分割它的方式。

myCharSplitByWords <- strsplit(myCharUnSplit, " ")[[1]]

我认为这可以通过正则表达式完成（可能选择第100个空格或smth），但无法写出正确的表达式

我是R的新手，我完全陷入困境。感谢

Answer 1

也许有一种方法可以使用正则表达式，但在strsplit之后，通过＆＃34; hand＆＃34;

组合单词会更容易

## example data
set.seed(1)
string <- paste0(sample(c(LETTERS[1:10], " "), 1e5, replace=TRUE), collapse="")

## split if there is at least one space
words <- strsplit(string, "\\s+")[[1]]

## build group index
group <- rep(seq(ceiling(length(words)/100)), each=100)[1:length(words)]

## split by group index
words100 <- split(words, group)

Answer 2

你可以通过以下方式获得一系列空格的每100个实例（如果这是你对单词的定义）：

ind<-  gregexpr("([^ ]+? +){100}", string)[[1]]

然后通过

对原始子字符串进行子串

hundredWords <- substr(string, ind, c(ind[-1]-1, nchar(string))

这会在每个条目的末尾留下尾随空格，最后一个条目不一定有100个条目，但是在删除100个批次后会剩下剩余的单词。如果你有另一个单词分隔符的定义（标签，标点符号，...）然后发布，我们可以相应地更改正则表达式。

在R中将字符串拆分为100个字的部分

2 个答案: