regex - R - 从字符串中删除最后一个单词的正则表达式

Question

我有如下数据 -

PLAYSTORE BANGKOK
FLOAT@THE BAY          SINGAPORE
YANTRA                 SINGAPORE
AIRASIA_QS9DQQL        SINGAPORE

我想从每个字符串中删除最后一个单词，如果它在我正在寻找的城市列表中 -

sub('(?i)^(.*)\\b(singapore|stockholm|singapor|bangkok|kuala lumpur|london|tokyo)$','\\2', merch_desc$desc2 )

但是\1 或\2 不起作用，我又得到了完整的字符串。有办法纠正这个问题吗？

我想要 2 个输出 - 1 个带有公司名称，另一个带有 2 个独立向量中的位置。

merch_desc$merch -

  PLAYSTORE 
    FLOAT@THE BAY          
    YANTRA                 
    AIRASIA_QS9DQQL      

merch_desc$loc -

BANGKOK
SINGAPORE
SINGAPORE
SINGAPORE

它适用于字符串而不适用于数据帧，这似乎很奇怪 -

test$desc2
[1] "qoo10                  singapore    " "bill payment via internet banking"    "mcdonald's restaurants singapore    "
[4] "hdb season parking     singapore    " "grabtaxi pte ltd       singapore    "

这行不通 -

sub('^.* (singapore|stockholm|singapor|bangkok|kuala lumpur|london|tokyo)$', '\\1', test$desc2 )
[1] "qoo10                  singapore    " "bill payment via internet banking"    "mcdonald's restaurants singapore    "
[4] "hdb season parking     singapore    " "grabtaxi pte ltd       singapore    "

但这行得通 -

sub('^.* (singapore|stockholm|singapor|bangkok|kuala lumpur|london|tokyo)$', '\\1', 'tigerair y843km singapore' )
[1] "singapore"

编辑 2 -

使用 trimws()。没有 Trimws，它无法处理多个空格。

谢谢，马尼什

Answer 1

我们可以使用 pattern 中的 sub 将子字符串捕获为组，然后我们在捕获组之间添加一个分隔符 (,) replacement，在 read.table 中将其用作 sep。如果有前导/滞后空格，通过遍历列将 str_trim 从 stringr 中移除。

library(stringr)
d1 <- read.table(text=sub('(.*)\\s+(\\S+)$', '\\1,\\2', v1),sep=',')
d1[] <- lapply(d1, str_trim)
d1
#              V1        V2
#1       PLAYSTORE   BANGKOK
#2   FLOAT@THE BAY SINGAPORE
#3          YANTRA SINGAPORE
#4 AIRASIA_QS9DQQL SINGAPORE

或者如@RichardScriven 所建议的，用于修剪前导/滞后空格的 base R 选项是 trimws。

d1[] <- lapply(d1, trimws)

数据

v1 <- c('PLAYSTORE BANGKOK','FLOAT@THE BAY          SINGAPORE',
       'YANTRA                 SINGAPORE',
        'AIRASIA_QS9DQQL        SINGAPORE')