我试图通过使用3个字符后面的第一个空格来分割字符串。这是我的代码:
string <- c("Le jour la nuit", "Les jours les nuits")
part1 <- sub("(\\S{3,})\\s?(.*)", "\\1", string)
part2 <- sub("(\\S{3,})\\s?(.*)", "\\2", string)
# output
> part1
[1] "Le jour" "Les"
> part2
[1] "Le la nuit" "jours les nuits"
对于第一部分,它完全符合要求。但是,第二部分不是这样:part2[1]
应该是la nuit
而不是Le la nuit
。
我不确定如何实现这一点,并且会感谢一些指导。
答案 0 :(得分:4)
不确定您真正想要的是什么,但根据您的要求,您可以使用
^(.{3,}?)(?:(?<!,)\\s)+(.*)
这说:
^ # start of the string
(.{3,}?) # capture 3+ characters lazily, up to...
(?:(?<!,)\\s)+ # 1+ whitespaces that must not be preceeded by a comma
(.*) # capture the rest of the string
在R
:
string <- c("Le jour la nuit", "Les jours les nuits", "les, jours les nuits")
(part1 <- sub("^(.{3,}?)(?:(?<!,)\\s)+(.*)", "\\1", string, perl = T))
(part2 <- sub("^(.{3,}?)(?:(?<!,)\\s)+(.*)", "\\2", string, perl = T))
屈服
[1] "Le jour" "Les" "les, jours"
和
[1] "la nuit" "jours les nuits" "les nuits"
<小时/> 也许你需要
dataframe
作为结果,如果是这样,你可以定义一个小函数(使用sapply
和一些逻辑):
make_df <- function(text) {
parts <- sapply(text, function(x) {
m <- regexec("^(.{3,}?)(?:(?<!,)\\s)+(.*)", x, perl = T)
groups <- regmatches(x, m)
c(groups[[1]][2], groups[[1]][3])
}, USE.NAMES = F)
(setNames(as.data.frame(t(parts), stringsAsFactors = F), c("part1", "part2")))
}
(df <- make_df(string))
这会产生string <- c("Le jour la nuit", "Les jours les nuits", "les, jours les nuits", "somejunk")
:
part1 part2
1 Le jour la nuit
2 Les jours les nuits
3 les, jours les nuits
4 <NA> <NA>