我刚开始使用R编程。目前，我正在着名的Titanic数据集上练习特征工程。
除其他外，我想在我的数据集中提取人物的标题。
我有这些：
Montvila, Rev. Juozas
Johnston, Miss. Catherine Helen
想要得到这些：
Rev.
Miss.
我自己的方法不起作用。我无法弄清楚究竟是什么问题：
gsub("([A-Za-z:space:]+, )|(\.[A-Za-z:space:]+)", "", data_raw$Name)
希望有人可以帮助我！真是太棒了。
亲切的问候， 马库斯
答案 0 :(得分：1)
我们可以匹配字符串的开头（\\S+）后面的一个或多个非空白字符（^），后跟一个或多个空格（\\s+）或（{{ 1}}）使用环顾四周匹配|后跟字符，直到字符串结尾，并将其替换为空白（.）
""或者另一种选择是将字符捕获为一个组（gsub("^\\S+\\s+|(?<=\\.).*$", "", str1, perl = TRUE)
#[1] "Rev." "Miss."
），并在替换中使用该捕获组的反向引用（([^.]+\\.)）。
\\1sub("^[^,]+,\\s+([^.]+\\.).*", "\\1", str1)
#[1] "Rev." "Miss."
答案 1 :(得分：1)
我建议使用一个正则表达式替换所有文本，但最后一个字母后面加一个点。
> x <- c("Montvila, Rev. Juozas", "Johnston, Miss. Catherine Helen")
> sub("^.*\\b([[:alpha:]]+\\.).*", "\\1", x)
[1] "Rev." "Miss."
或更简单的regmatches解决方案：
> unlist(regmatches(x, regexpr("[[:alpha:]]+\\.", x)))
[1] "Rev." "Miss."
或者，如果你需要检查一个点，但是＆＃34;排除＆＃34;从匹配开始，使用带有regmatches（perl=TRUE）的PCRE正则表达式，允许在模式中使用外观：
> unlist(regmatches(x, regexpr("[[:alpha:]]+(?=\\.)", x, perl=TRUE)))
[1] "Rev" "Miss"
在这里，(?=\\.)是一个积极的前瞻，需要在{1}之后的1+个字母，但在匹配中排除它。
<强>详情：
. - 字符串的开头^ - 任意多个字符，尽可能多到最后...... .* - 字边界\\b - 第1组：一个或多个字母后跟文字([[:alpha:]]+\\.) . - 字符串末尾的任何0 +字符。使用TRE正则表达式，因此.*匹配包括换行符的任何字符。
此外，在您的代码中，.使用单个.进行转义，这会导致错误，因为\是一个错误的转义序列。必须使用双反斜杠定义正则表达式转义。