r - 如何通过考虑它们在文本中的位置来挖掘多词？

Question

我想在给定的文本中提取位于年份和以下逗号之间的某些单词。虽然术语 Mining前后出现2020在 text ，我需要在 (2020) 之间找到的后一个和 , .相同的概念适用于术语 Computer Science在以下text .

library(stringr)
text <- "This is text Mining exercise (2020) Mining, p. 628508; Computer Science text analysis (1998) Computer Science, p.345-355; Introduction to data mining (2015) J. Data Science, pp. 31-33"
comp <- c("Mining", "Computer Science", "J. Data Science")
pattern <- str_c(comp,collapse ="|")
data <- str_extract_all(text, pattern)

上面代码的最后一行给出了以下输出:

[1] "Mining" "Mining" "Computer Science" "Computer Science" "J. Data Science" 

我正在寻找的输出是:

[1] "Mining" "Computer Science" "J. Data Science" 

备注 : 这些词的位置很重要。任何帮助表示高度赞赏!

Answer 1

如果我们需要在)之间提取在数字和 , 之后, 创建一个正则表达式环视

library(stringr)
str_extract_all(text, str_c("(?<=\\(\\d{4}\\)\\s)(", pattern, ")(?=,)"))[[1]]
#[1] "Mining"           "Computer Science" "J. Data Science"