r - 按条件在字符序列中粘贴符号

Question

我有一个矢量 chars一些字符:

chars <- c("check24  smavey  dr klein", "smava", "check24, interhyp", 
  "verivox  check24  dr. klein", "dr. klein", NA, "dr. weber", 
  "dr. klein,", NA, "check24  verivox")

目标是粘贴/插入“_”，如果它们之间有空格并满足以下条件:

序列之间没有逗号(例如 Name1, Name2 Name3 应该变成 Name1, Name2_Name3 )。

它们之间没有任何意义(例如 Dr. Name1 Name2 Name3 应该变成 Dr. Name1_Name2_Name3 )。

空格之间的长度是，两边的字符序列 >= 4(例如 AAA AAAA AAAA AAAA 应该变成 AA AAAA_AAAA_AAAA )。

我尝试使用此功能:

library(stringr)

f = function(x) {
  ifelse(grepl(".{4} .{4}", x) & !grepl(",|[A-z]{2}/. ", x), str_replace_all(x, "\\s+", "_"), x)
}

f(chars)
#> [1] "check24_smavey_dr_klein"   "smava"                     "check24, interhyp"         "verivox_check24_dr._klein"
#> [5] "dr. klein"                 NA                          "dr. weber"                 "dr. klein,"               
#> [9] NA                          "check24_verivox"        

问题是我无法按顺序执行案例(例如 [1] 或 [4] )

知道如何做到这一点吗？

Answer 1

这是你追求的吗？

chars <- c("check24  smavey  dr klein", "smava", "check24, interhyp", 
           "verivox  check24  dr. klein", "dr. klein", NA, "dr. weber", 
           "dr. klein,", NA, "check24  verivox")

library(stringr)

str_replace_all(chars, "([\\w]{4,})(?<=[^,.])[\\s]+([\\w]{4,})", "\\1_\\2")
#>  [1] "check24_smavey  dr klein"   "smava"                     
#>  [3] "check24, interhyp"          "verivox_check24  dr. klein"
#>  [5] "dr. klein"                  NA                          
#>  [7] "dr. weber"                  "dr. klein,"                
#>  [9] NA                           "check24_verivox"

创建于 2019-12-21 由 reprex package (v0.2.1)

使用捕获长度为 4 ( ([\\w]{4,}) ) 或更多的单词组，然后使用前瞻 ( (?<=[^,.]) ) 以避免逗号和句号。