匹配R正则表达式中的另一个单词后面的单词

Question

我在R中有一个包含文本字符串的列（称为＆＃39; city＆＃39;）。我的目标是从文本字符串中只提取一个单词，即城市文本。城市文字始终跟在“＆＃39;”中，例如文字可能是：

'in London'
'in Manchester'

我尝试创建一个新列（＆＃39; municipality＆＃39;）：

df$municipality <- gsub(".*in ?([A-Z+).*$","\\1",df$city)

这给了我＆＃39;之后的第一个字母，但我需要下一个字（只有下一个字）

然后我尝试了：

gsub(".*in ?([A-Z]\w+))")

在正则表达式检查器上工作，但在R中没有。有人可以帮助我。我知道这可能很简单，但我无法破解它。提前致谢。

Answer 1

我们可以使用str_extract

library(stringr)
str_extract(df$city, '(?<=in\\s)\\w+')
#[1] "London"     "Manchester"

Answer 2

以下正则表达式将与您的city列中的第二个字匹配：

^in\\s([^ ]*).*$

这匹配单个空格后跟单词in，后跟任意非空格字符的捕获组，其中包含城市名称。

示例：

df <- data.frame(city=c("in London town", "in Manchester city"))

df$municipality <- gsub("^in\\s([^ ]*).*$", "\\1", df$city)

> df$municipality
[1] "London"     "Manchester"