r - 仅保留标签的文本

Question

在具有格式化标签的文本中，例如

data.frame(id = c(1, 2), text = c("something here <h1>my text</h1> also <h1>Keep it</h1>", "<h1>title</h1> another here"))

有人怎么能用逗号分隔选项只保留 <h1> </h1> 中存在的文本？ :

data.frame(text = c("my text, Keep it", "title"), id = c(1, 2))

Answer 1

我们可以使用str_extract_all。使用正则表达式查找，获取标记后的字符，然后遍历 list 输出并粘贴提取的字符串

library(stringr)
data.frame(text = sapply(str_extract_all(df1$text, "(?<=<h1>)[^<]+"), 
      paste, collapse=", "), id = df1$id)
#               text id
#1 my text, Keep it  1
#2            title  2