在R中分隔长而复杂的名称

Question

假设我的数据集中有以下植物种类科学名称列表：

FullSpeciesNames <- c("Aronia melanocarpa (Michx.) Elliott", "Cotoneaster divaricatus Rehder & E. H. Wilson","Rosa canina L.","Ranunculus montanus Willd.")

我想获得一个简化名称列表，即只是给定名称的前两个元素，即：

SimpleSpeciesNames<- c("Aronia melanocarpa", "Cotoneaster divaricatus", "Rosa canina", "Ranunculus montanus")

如何在R？

中完成

Answer 1

我们可以使用sub来匹配单词（\\w+），后跟一个或多个空格（\\s+），后跟另一个单词和空格，捕获为一个组，以及其余的字符（.*）。在替换中，使用捕获的组的反向引用（\\1）

trimws(sub("^((\\w+\\s+){2}).*", "\\1", FullSpeciesNames))

Answer 2

在功能使用方面更复杂但不需要正则表达式的替代方案是

substring(FullSpeciesNames,
          1, sapply(gregexpr(" ", FullSpeciesNames, fixed=TRUE), "[[", 2) - 1)
[1] "Aronia melanocarpa" "Cotoneaster divaricatus" "Rosa canina" "Ranunculus montanus"

gregexpr可用于查找字符串中某些字符的位置（它还可以查找带有正则表达式的模式）。我们在这里寻找空间。它返回字符向量中每个字符串的位置列表。 sapply用于提取第二个空间的位置。这些位置的矢量（减1）被馈送到substring，它通过初始向量并从第一个字符开始到指定位置。