使用stringr从R中的文本字符串中提取一个或多个单词

Question

我有以下数据框：

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

我正在使用str_extract并在单独的列中返回'in'之后的单词。

library(stringr)
str_extract(df$city, '(?<=in\\s)\\w+')

在95％的情况下，这对我来说很好。但是，有些情况如上面的“圣保罗”，我的正则表达式会返回“Sao”而不是城市名称。

有人可以帮我修改它以获取：

1）我要从中提取的文本字符串的末尾的所有内容？ OR

2）'in'后面有多个单词，然后返回

非常感谢。

Answer 1

这个衬垫是否适合你？

unlist(lapply(strsplit(c("in London", "in Sao Paulo", "in Manchester City"), "in "), function(x) x[2]))
[1] "London"          "Sao Paulo"       "Manchester City"

Answer 2

要在第一个in后跟一个空格后匹配所有其余字符串，您可以使用

(?<=in\\s).+

lookbehind将in介词与后面的空格匹配，但不会在匹配中返回，因为lookbehinds是零宽度断言。

Answer 3

你可以试试这个：

library(stringr)
df$onlyCity <- str_extract(df$city, '[^in ](.)*')
df
                city        onlyCity
1          in London          London
2 in Manchester city Manchester city
3       in Sao Paolo       Sao Paolo

Answer 4

gsub("^in[ ]*(.*$)", "\\1", df$city)
[1] "London"          "Manchester city" "Sao Paolo" 

假设你的字符串以"in"开头，后跟一些空格（不会失败多于一个），然后是从第一个非空格字符捕获的感兴趣的文本，直到字符串的结尾。