Question

我想在两个其他字符串之间提取一个字符串。一个字符串是回车符，而另一个字符串是几乎相似字符的变体：

dput(head(decisions$Title))
c("Zinaida Shumilina et al. v. Belarus                    \r\n                    
CCPR/C/120/D/2142/2012", 
"K.E.R. vs. Canada                    \r\n                    
CCPR/C/120/D/2196/2012", 
"Lounis Khelifati v Algeria                    \r\n                    
CCPR/C/120/D/2267/2013", 
"Hibaq Said Hash v. Denmark                    \r\n                    
CCPR/C/120/D/2470/2014", 
"Anton Batanov v. Russian Federation                    \r\n                    
CCPR/C/120/D/2532/2015", 
"S. Z. v. Denmark                    \r\n                    
CCPR/C/120/D/2625/2015"
)

我基本上想要在“v”之间提取国家/地区名称。和回车\ r。但是，“v。”有时是“v”，“vs.”，“vs”和“v：”。

根据相关SO问题的答案，我尝试了以下内容：

res <- str_match(decisions$Title, "(v\\.|vs\\.|v)(.*?)\\r")
res[,3]

不幸的是，这并没有得到所有变化，或者在某些情况下它会在尝试从“Navruz Tahirovich Nasyrlayev诉土库曼斯坦CCPR / C / 117”中提取国家名称时返回“ruz Tahirovich Nasyrlayev诉土库曼斯坦”等数据/ d /二千零十二分之二千二百十九“ 。

还有另一种方法可以达到这个目的吗？

Answer 1

您可以使用

trimws(str_match(decisions$Title, "\\bv(?:s?\\.|:)?\\s*(.*)")[,2])

请参阅regex demo。请注意，trimws将删除多余的前导和尾随空格字符。

模式详情

\b - 字边界
v - v字符
(?:s?\\.|:)? - 可选择匹配可选的s，后跟.或:字符
\\s* - 0+空白字符
(.*) - 第1组：除了换行符之外的任何0 +字符（请注意，您不必担心.是否与CR符号匹配（在使用的TRE正则表达式中） sub .也匹配LF符号）因为trimws无论如何都会削减前导/尾随空格。）

在R中测试：

> df<-c("Zinaida Shumilina et al. v. Belarus                    \r\n                    
+ CCPR/C/120/D/2142/2012", 
+ "K.E.R. vs. Canada                    \r\n                    
+ CCPR/C/120/D/2196/2012", 
+ "Lounis Khelifati v Algeria                    \r\n                    
+ CCPR/C/120/D/2267/2013", 
+ "Hibaq Said Hash v. Denmark                    \r\n                    
+ CCPR/C/120/D/2470/2014", 
+ "Anton Batanov v. Russian Federation                    \r\n                    
+ CCPR/C/120/D/2532/2015", 
+ "S. Z. v. Denmark                    \r\n                    
+ CCPR/C/120/D/2625/2015"
+ )

> trimws(str_match(df, "\\bv(?:s?\\.|:)?\\s*(.*)")[,2])
[1] "Belarus"            "Canada"             "Algeria"           
[4] "Denmark"            "Russian Federation" "Denmark"           
>

Answer 2

我们可以使用sub来匹配字符（.*），直到字词边界（\\b）后跟＆＃39; v＆＃39;然后是s或。，一个或多个空格（\\s+）并捕获不是\r（[^\r]+）的字符以及其后的其他字符。在替换中，使用捕获的组的反向引用（\\2）并使用trimws

删除尾随空格

trimws(sub(".*\\bv(s*\\.*)\\s+([^\r]+)\\s*\r.*", "\\2", v1))
#[1] "Belarus"            "Canada"             "Algeria"   
#[4] "Denmark"            "Russian Federation" "Denmark"

Answer 3

您还可以在＆＃34; v＆＃34;

之前添加单词边界

str_match(decisions$Title, "(\\b)(v\\.|vs\\.|v)(.*?)\\r")

在R

3 个答案: