r - 如何搜索每次都不完全相同的模式？

Question

我有一个这样的 list :

 list <- c("xxx 23 cut", "yyy", "zzz", "www 55 cut", "kkk", "ggg", "yyy", "eee 7 cut", "ccd" )

这种情况下的搜索模式是“任意数切割”。因此，为了以更好的方式可视化列表，列表采用以下模式

"before item (=xxx) "  "any number cut (= 23 cut)"
"after item (=yyy)"
"after item (=zzz)"
"before item (=www) "  "any number cut (= 55 cut)"
"after item (=kkk)"
"after item (=ggg)"
"after items (=yyy)"
"before item (=eee) "  "any number cut (= 7cut)"
"after item (=cce)"

我想将“before items”放在第1列，直到找到另一个“任意数字切割”模式，然后将“after items”放在第2列。最终结果如下:

xxx yyy
xxx zzz
www kkk
www ggg
www yyy
eee ccd

专家能教我如何用 R 来做吗？我从之前的 stackoverflow 消息中了解到，R 可以搜索固定项目(例如剪切)并将它们拆分为不同的单元格。这里的挑战(对我来说)是搜索模式正在改变，“cut”这个词之前的数字对于每个人来说都是不同的。使用 R 在正确的位置搜索和剪切它的最有效方法是什么？

Answer 1

以下适用于您的示例数据:

x <- c("xxx 23 cut", "yyy", "zzz", "www 55 cut", "kkk", "ggg", "yyy", "eee 7 cut", "ccd" )

首先，创建一个 regex与 grep 一起使用的模式:以下模式搜索数字 (\d) 后跟一个空格和单词 cut。见 ?regexp和 ?grep详情。

cut_pattern <- "\\d* cut"

cut_positions <- grep(cut_pattern, x)
cut_repeat <- c(cut_positions[-1], length(x) + 1) - cut_positions -1
before_items <- rep(x[cut_positions], times=cut_repeat)
after_items <- x[!grepl(cut_pattern, x)]

data.frame(
    before = before_items,
    after  = after_items
)

结果:

      before after
1 xxx 23 cut   yyy
2 xxx 23 cut   zzz
3 www 55 cut   kkk
4 www 55 cut   ggg
5 www 55 cut   yyy
6  eee 7 cut   ccd

我将把它作为练习留给您清理第 1 列中的数据。提示:使用 str_extract包装内 stringr .你可以引用这个问题: How can I use back references with `grep` in R?有关如何执行此操作的示例。进一步提示，您的模式应该类似于 "(.*) \\d* cut" .