Question

我有字符串向量。向量（字符串）的某些元素包含sp z o.o.，这是“spółkazograniczonąodpowiedzialnością”的缩写。

first sp.z.o.o.
second s.a          #should be removed
kpt spółka z ograniczoną odpowiedzialnością #should be removed, it is not acronym
third sp z o o 
fourth PP           #should be removed
fifth sp z o.o.
przedszkole niepubliczne im.janusza korczaka #should be removed
sixth               #should be removed
seventh sp z oo 
eighth LTD.         #should be removed
nineth sp-z-o-o
tenth spzoo
sklep spożywczy na górnych adam kłaptocz #should be removed
elita sp.c. zofia szatkowska, tomasz szatkowski #should be removed
eleventh sp.zo.o
towarzystwo przyjaciół chorych "sądeckie hospicjum" #should be removed

我只想对包含sp z o.o.的所有可能组合的子集进行子集化，并带有和不带有空格/双空格，点，逗号和其他符号（例如* |-等）。为此，我尝试使用下面的代码，但它不起作用。
sample <- df[grepl("(sp\\.z\\.o\\.o\\.)", df$col_1), ]
还有
sample <- df[grepl("(sp\\.*z\\.*o\\.*o\\.*)", df$col_1), ]
已编辑：
Ronak Shah 建议： grep('s.*p.*z.*o', x, value = TRUE)可以，但是返回不应该被子集化的字符串，例如：
elita sp.c. zofia szatkowska, tomasz szatkowski
"społem" powszechna spółdzielnia spożywców w myśliborzu

我想对具有不同缩写词sp z o.o.的字符串进行子集化，并且还要避免所有不包含首字母缩写词的字符串

Answer 1

我们可以使用以下模式：

spzoo

当字符串中有x <- c('first sp.z.o.o.', 'second s.a', 'third sp z o o', 'fourth PP', 'fifth sp z o.o.', 'sixth', 'seventh sp z oo', 'eighth LTD.', 'nineth sp-z-o-o', 'tenth spzoo', 'eleventh sp.zo.o') grep('s.*p.*z.*o', x, value = TRUE) #[1] "first sp.z.o.o." "third sp z o o" "fifth sp z o.o." "seventh sp z oo" #[5] "nineth sp-z-o-o" "tenth spzoo" "eleventh sp.zo.o"时，这将选择行，而不管它们之间的任何内容。

我们可以在向量上测试正则表达式。

sample <- subset(df, grepl('sp.?z.?o.?o', col_1))

编辑

对于更新后的数据集，我们可以使用

{{1}}

子集（如果字符串包含）

1 个答案: