Question

我想使用lapply对列表元素的子集（字符串）应用正则表达式操作，并返回与原始列表长度相同的列表。列表元素是长字符串（从长文本文件中读取并将段落折叠成单个字符串）。正则表达式操作仅对列表元素/字符串的子集有效。我希望非子集化的列表元素（字符串）以其原始状态返回。

正则表达式操作是来自str_extract包的stringr，即我想从更长的字符串中提取子字符串。我根据文件名中的正则表达式模式对列表元素进行了子集化。

简化数据的示例：

library(stringr)
texts <- as.list(c("abcdefghijkl", "mnopqrstuvwxyz", "ghijklmnopqrs", "uvwxyzabcdef"))
filenames <- c("AB1997R.txt", "BG2000S.txt", "MN1999R.txt", "DC1997S.txt")
names(texts) <- filenames
regexp <- "abcdef"

我事先知道我想要应用正则表达式操作的字符串，因此我想要对这些字符串进行子集化。也就是说，我不想对列表中的所有元素运行正则表达式，因为这样做会返回一些无效结果（在此简化示例中不明显）。

我做了一些天真的努力，例如：

x <- lapply(texts[str_detect(names(texts), "1997")], str_extract, regexp)
> x
$AB1997R.txt
[1] "abcdef"

$DC1997S.txt
[1] "abcdef"

返回一个缩小长度的列表，其中只包含找到的子字符串。但我想得到的结果是：

> x
$AB1997R.txt
[1] "abcdef"

$BG2000S.txt
[1] "mnopqrstuvwxyz"

$MN1999R.txt
[1] "ghijklmnopqrs"

$DC1997S.txt
[1] "abcdef"

其中不包含正则表达式模式的字符串以其原始状态返回。

我已经了解了stringr，lapply和llply（plyr包中），但许多操作都使用数据框作为示例进行说明，而不是列表，以及不要对字符串进行正则表达式操作。我可以使用for循环来实现我的目标，但是我正试图摆脱它，正如通常所建议的那样，并且在使用apply-class函数时会变得更好。

Answer 1

您可以使用子集运算符[<-：

x <- texts
is1997 <- str_detect(names(texts), "1997")
x[is1997] <- lapply(texts[is1997], str_extract, regexp)
x
# $AB1997R.txt
# [1] "abcdef"
#
# $BG2000S.txt
# [1] "mnopqrstuvwxyz"
#
# $MN1999R.txt
# [1] "ghijklmnopqrs"
#
# $DC1997S.txt
# [1] "abcdef"
#

Answer 2

您可以尝试sub

  sub(paste0('.*(', regexp, ').*'), '\\1', texts)
  # AB1997R.txt      BG2000S.txt      MN1999R.txt      DC1997S.txt 
  #  "abcdef" "mnopqrstuvwxyz"  "ghijklmnopqrs"         "abcdef"

此外，如果您需要匹配＆＃39;文本的名称＆＃39;使用1997，我们可以使用grep

  indx <- grep('1997', names(texts))
  texts[indx] <- sub(paste0('.*(', regexp, ').*'), '\\1', texts[indx])
  as.list(texts)

在列表元素的子集上使用lapply并返回与R

2 个答案: