r - 在 R 数据框上格式化作者姓名列

Question

从这里的前一个问题 (Format author's name with stringr) 得出，我想用不同的字符串编辑整个变量。

之前的解决方案不起作用，因为它会将所有字符串重复到每个字符串。

library(dplyr)

x <- data.frame(
  names = c("Daenerys Targaryen, George R. R. Martin, Luís Inácio Lula da Silva",
            "Hadley Alexander Wickham, Joseph J. Allaire",
            "Stack Overflow"
            )
)

format_names <- function(variable) {
  variable %>%
    strsplit(", ") %>%
    unlist() %>% 
    gsub("(.*?) (\\w+$)", "\\U\\2\\E, \\1", ., perl = TRUE) %>%
    gsub(" ([A-Z])\\w*\\.?", " \\1.", .) %>%
    paste(collapse = "; ")
}

x %>% 
  mutate(new_names = format_names(names))

#>                                                                names
#> 1 Daenerys Targaryen, George R. R. Martin, Luís Inácio Lula da Silva
#> 2                        Hadley Alexander Wickham, Joseph J. Allaire
#> 3                                                     Stack Overflow
#>                                                                                           new_names
#> 1 TARGARYEN, D.; MARTIN, G. R. R.; SILVA, L. I. L. da; WICKHAM, H. A.; ALLAIRE, J. J.; OVERFLOW, S.
#> 2 TARGARYEN, D.; MARTIN, G. R. R.; SILVA, L. I. L. da; WICKHAM, H. A.; ALLAIRE, J. J.; OVERFLOW, S.
#> 3 TARGARYEN, D.; MARTIN, G. R. R.; SILVA, L. I. L. da; WICKHAM, H. A.; ALLAIRE, J. J.; OVERFLOW, S.

^{创建于 2022-11-21 reprex v2.0.2}

Answer 1

您需要将 unlist() 替换为保留组的内容。 sapply 可以提供帮助

format_names <- function(variable) {
  variable %>%
    strsplit(", ") %>%
    sapply(. %>% 
    gsub("(.*?) (\\w+$)", "\\U\\2\\E, \\1", ., perl = TRUE) %>%
    gsub(" ([A-Z])\\w*\\.?", " \\1.", .) %>%
    paste(collapse = "; "))
}