r - 有没有办法选择性地应用这个 stringr 函数？

Question

我有一个 dataframe的用户，其中一列包含他们 self 报告的位置。因此，报告的某些位置是无意义的，但在将此列与已知位置的其他列匹配时可能会导致误报。下面是数据框的示例。

data <- data.frame(X = (1:5), Y = c("", "Washington, DC", "Huntsville, AL", "Mobile,AL", "ALL OVER"))

有了这些数据，我然后运行下面的代码来建立与 AL 的匹配。

library(stringr)
data$match_ab <- str_extract(data[,2], str_c("AL", collapse = "|"))

这导致 Huntsville 和 Mobile 被正确识别为阳性，但 ALL OVER 的第三个匹配项由于字符串中的 AL 而错误地识别为匹配项。

有没有办法调整这个脚本，以便它检测 string 内的匹配项？ s 同时忽略字符串所需部分附有字母的字符串？换句话说，这是否可以检测 AL 而部分字符串的两边可能有空格或标点符号，而如果字母与字符串相邻则忽略匹配？

提前致谢。

Answer 1

如果我理解正确的话，这对你有用吗:

data$match_ab <- str_extract(data[,2], "\\bAL\\b")

使用 \\b 这是一个边界条件，因此如果它后面/前面有一个单词，则它不匹配任何内容或根据文档:符号\b 匹配单词任一边缘的空字符串