提取＆＃34;单词＆＃34;从一个字符串

Question

我有一个153行乘9列的表。我感兴趣的是第一列中的字符串，我想从第四个单词中提取第四个单词并创建一个新列表，这个列表将是153行，1列。

此数据库表的第1列的前两行示例：

[1] Resistance_Test DevID (Ohms) 428
[2] Diode_Test SUBLo (V) 353

＆＃34;词＆＃34;由空格分隔，所以第一行的第四个字是＆＃34; 428＆＃34;第二行的第四个字是＆＃34; 353＆＃34;。如何创建包含所有153行的第四个单词的新列表？

Answer 1

将gsub()与正则表达式一起使用

x <- c("Resistance_Test DevID (Ohms) 428", "Diode_Test SUBLo (V) 353")
ptn <- "(.*? ){3}"
gsub(ptn, "", x)

[1] "428" "353"

这是有效的，因为正则表达式(.*? ){3}正好找到三个{3}个字符集后跟一个空格(.*? )，然后用空字符串替换它。

有关详细信息，请参阅?gsub和?regexp。

如果您的数据具有您在问题中未提及的结构，那么正则表达式可能会变得更加容易。

例如，如果您总是对每行的最后一个字感兴趣：

ptn <- "(.*? )"
gsub(ptn, "", x)

或许你肯定知道你只能搜索数字并丢弃其他所有内容：

ptn <- "\\D"
gsub(ptn, "", x)

Answer 2

您可以使用-D包中的word()：

stringr

指定开始和结束单词的位置相同，您将始终获得第四个单词。

我希望这会有所帮助。

Answer 3

我们可以使用sub。我们将模式与一个或多个非空格（\\S+）后跟一个或多个空格（\\s+）进行匹配，该空格重复3次（{3}）后跟捕获的单词在一个组（(\\w+)）后跟一个或多个字符。我们用第二个反向引用替换它。

sub("(\\S+\\s+){3}(\\w+).*", "\\2", str1)
#[1] "428" "353"

这是按第n个字选择的，所以

 sub("(\\S+\\s+){3}(\\w+).*", "\\2", str2)
 #[1] "428" "353" "428"

另一个选项是stri_extract

 library(stringi)
 stri_extract_last_regex(str1, "\\w+")
 #[1] "428" "353"

数据

str1 <- c("Resistance_Test DevID (Ohms) 428", "Diode_Test SUBLo (V) 353")
str2 <- c(str1, "Resistance_Test DevID (Ohms) 428 something else")

Answer 4

如果您不熟悉正则表达式，函数strsplit可以帮助您：

data <- c('Resistance_Test DevID (Ohms) 428', 'Diode_Test SUBLo (V) 353')
unlist(lapply(strsplit(data, ' '), function(x) x[4]))
[1] "428" "353"