Question

我在R中读了几百个单词的文本（使用.txt文件中的read_file）。文本的某些行仅包含\n之前的非常短的片段（例如＆＃39;图1＆＃39;）。我想用空白\n替换它们。因此，在下文中，我希望gsub排除最后3行。我认为他们都不到10个单词，除了最后可能没有句号.。所有内容都以\n开头和结尾。

Some are long. They might have short segments (like the preceding sentence), but they'll all be over some length, and will almost certainly have at least 2 sentence closings (abnormally long sentences aside). Others are short, like these:

Figure 1: description
  Materials and Methods
Introduction.

我试过了：

gsub("\\n(.{90,}[\\.\\?\\:].*){2,}\\n$", "\n", string1, perl=T)

regex works 即在换行符之后，我们希望在标点符号（.?:）之前出现一些字符（至少50个），并且我们希望该模式在下一个新行之前重复至少两次。我想添加(?gmi)修饰符（至少，它在regex101中使用它们），但是我无法找到如何在R中添加它们。我认为使用修饰符可以使用上面的代码，其他选项（例如gsub上\n (text) \n\的{{1}}少于90个字符，只有一个':.?'或类似的东西也可能有趣。）

更新我想我可以使用str_replace_all(test, regex("^\\n(.{50,}[\\.\\?\\:].*){2,}\\n$", multiline = T), "\n")与stri_opts_regex stringi来添加选项...但我不清楚如何（或者，如果它＆＃39;}我会工作）。

Answer 1

感谢Carlos的评论，我放弃了正则表达式并且刚刚使用了strsplit之类的

holding <- unlist(strsplit(y,"\n"))
holding <- lapply(holding, function (bits) ifelse(nchar(bits) < 75, "", ifelse(nchar(bits)<150, ifelse(sum(str_count(bits, "\\."),str_count(bits, "\\:"),str_count(bits, "\\?"))<3, "", bits), bits)))
holding <- holding[holding != ""]; # without elements that are empty
#recombine that back into y
y <- paste(holding, collapse = "\n")

不是非常优雅，但在不需要regex的情况下做我想做的事。

我想在R字符向量中找到新行中的短字符串

1 个答案: