r - 仅保留逗号后每个单词的第一个字母

Question

我有类似 Sacher, Franz Xaver 的字符串或Nishikawa, Kiyoko .

使用R，我想将它们更改为Sacher, F. X.或Nishikawa, K. .

换句话说，逗号后每个单词的第一个字母应保留一个点(如果后面有另一个单词，则保留一个空格)。

Here is a related response ，但它不能应用于我的情况 1:1，因为它的字符串中没有逗号；似乎简单地添加 (<?=, )不起作用。

例如在以下尝试中，gsub()取代了一切，而我的 str_replace_all() -尝试导致错误:

TEST <- c("Sacher, Franz Xaver", "Nishikawa, Kiyoko", "Al-Assam, Muhammad")

# first attempt
# (resembles the response from the other thread)
gsub('\\b(\\pL)\\pL{2,}|.','\\U\\1', TEST, perl = TRUE)

# second attempt
# error: "Incorrect unicode property"
stringr::str_replace_all(TEST, '(?<=, )\\b(\\pL)\\pL{2,}|.','\\U\\1') 

我将非常感谢您的帮助!

Answer 1

你可以使用

gsub("(*UCP)^[^,]+(*SKIP)(*F)|\\b(\\p{L})\\p{L}*", "\\U\\1.", TEST, perl=TRUE)

请参阅regex demo 。 详细信息:

• (*UCP) - PCRE 动词，使 \b 识别 Unicode
• ^[^,]+(*SKIP)(*F) - 字符串开头，然后是除逗号之外的任何零个或多个字符，然后匹配失败并跳过，下一场比赛从失败发生的位置开始
• | - 或
• \b - 字边界
• (\p{L}) - 第 1 组:任何 Unicode 字母
• \p{L}* - 零个或多个 Unicode 字母

请参阅R demo :

TEST <- c("Sacher, Franz Xaver", "Nishikawa, Kiyoko", "Al-Assam, Muhammad")
gsub("(*UCP)^[^,]+(*SKIP)(*F)|\\b(\\p{L})\\p{L}*", "\\U\\1.", TEST, perl=TRUE)
## => [1] "Sacher, F. X." "Nishikawa, K." "Al-Assam, M."