regex - 如何在 R 中使用正则表达式查找文本中最长的字符串

Question

给定一个字符串 x，我可以使用 gregexpr("[A-Za-z]\w+", x) 计算该字符串中的单词数(长度)。

> x<-"\n\n\n\n\n\nMasters Publics\n\n\n\n\n\n\n\n\n\n\n\n\nMasters Universitaires et Prives au Maroc\n\n\n\n\n\n\n\n\\n\n\n\n\nMasters Par Ville\n\n\n\n\n\n\n\n\n\n\n\n\n"
> sapply(gregexpr("[A-Za-z]\\w+", x), function(x) sum(x > 0))
[1] 11

但是，如何在 R 环境下使用正则表达式检索最长附加字符串中的单词数(带空格而不是\n)

在此示例中，它将是“Masters Universitaires et Prives au Maroc”，长度为 6。

提前致谢。

Answer 1

我会用

解决它

x <- "\n\n\n\n\n\nMasters Publics\n\n\n\n\n\n\n\n\n\n\n\n\nMasters Universitaires et Prives au Maroc\n\n\n\n\n\n\n\n\\n\n\n\n\nMasters Par Ville\n\n\n\n\n\n\n\n\n\n\n\n\n"
max(nchar(gsub("[^ ]+", "", unlist(strsplit(trimws(x), "\n+"))))) + 1

将修剪后的字符串拆分成行，取消列出结果，删除空格以外的所有字符，获取最长的项目并添加一个。 [^ ]+ 是一个正则表达式，它匹配一个或多个(由于 + 量词)除了(如 [^...] 是一个否定字符类)一个空格。

参见 IDEONE demo .