查找字符串前的单词数

Question

在给定的文本中，如何找到字符串前面的单词数？

例如："how to format this article? put return between paragraphs'

我希望确定'put return between paragraphs'从第6个单词开始，或者换句话说，在它之前有5个单词。

或者，是否有一种方法可以在标记化过程中考虑自定义标记，以便我可以将'put return between paragraphs'视为一个标记，将其余单个单词视为标记？

更新：这与换行没有任何关系。

Answer 1

如果您只想在五个单词后添加换行符，可以按如下方式使用sub：

x <- "how to format this article? put return between paragraphs"
sub("^((?:\\S+\\s+){5})", "\\1\n", x)

Answer 2

假设s是您上面的字符串，您可以选择

library(stringi)
parts <- unlist(stri_split(s, regex = "[\\?\\.\\!]"))
stri_count(parts[1], regex = " ")+1 # 5

（并且可能概括逻辑）