r - 用于检测大写单词的 Stringr 模式

Question

我正在尝试编写一个函数来检测全部大写的大写单词
目前，代码:

df <- data.frame(title = character(), id = numeric())%>%
        add_row(title= "THIS is an EXAMPLE where I DONT get the output i WAS hoping for", id = 6)

df <- df %>%
        mutate(sec_code_1 = unlist(str_extract_all(title," [A-Z]{3,5} ")[[1]][1]) 
               , sec_code_2 = unlist(str_extract_all(title," [A-Z]{3,5} ")[[1]][2]) 
               , sec_code_3 = unlist(str_extract_all(title," [A-Z]{3,5} ")[[1]][3]))
df

输出是:


标题
ID
sec_code_1
sec_code_2
sec_code_3


这是一个例子，我没有得到我希望的输出
6
别
曾是



第一个 3-5 个字母大写的单词是“THIS”，第二个应该跳过示例(>5)并且是“DONT”，第三个示例应该是“WAS”。
IE:


标题
ID
sec_code_1
sec_code_2
sec_code_3


这是一个例子，我没有得到我希望的输出
6
这个
别
想


有谁知道我哪里出错了？特别是我如何使用 stringr 在逻辑上表示“空格或字符串开头”或“空格或字符串结尾”。

Answer 1

如果您使用正则表达式运行代码，您将意识到 'THIS'根本不包含在输出中。

str_extract_all(df$title," [A-Z]{3,5} ")[[1]]
#[1] " DONT " " WAS " 

这是因为您正在提取带有前导空格和滞后空格的单词。 'THIS'没有滞后空格，因为它是句子的开头，因此它不满足正则表达式模式。您可以改用字边界 ( \\b )。

str_extract_all(df$title,"\\b[A-Z]{3,5}\\b")[[1]]
#[1] "THIS" "DONT" "WAS"

如果您在其中使用上述模式，您的代码将起作用。
或者你也可以使用:

library(tidyverse)

df %>%
  mutate(code = str_extract_all(title,"\\b[A-Z]{3,5}\\b")) %>%
  unnest_wider(code) %>%
  rename_with(~paste0('sec_code_', seq_along(.)), starts_with('..'))

# title                                     id sec_code_1 sec_code_2 sec_code_3
#  <chr>                                  <dbl> <chr>      <chr>      <chr>     
#1 THIS is an EXAMPLE where I DONT get t…     6 THIS       DONT       WAS