有没有办法选择性地应用这个 stringr 函数？答案

【问题标题】：Is there a way to selectively apply this stringr function?有没有办法选择性地应用这个 stringr 函数？
【发布时间】：2020-07-31 03:15:06
【问题描述】：

我有一个dataframe 的用户，其中一列包含他们自我报告的位置。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。以下是数据框的示例。

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

有了这些数据，然后我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 = "|"))

这会导致 Huntsville 和 Mobile 被正确识别为正数，但由于字符串中的 AL，ALL OVER 的第三个匹配项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strings 中的匹配项，同时忽略在字符串的所需部分附加了字母的字符串？换句话说，这是否可以检测到AL，而部分字符串的任一侧可能存在空格或标点符号，而如果字母字母与字符串相邻，则忽略匹配？

提前致谢。

【问题讨论】：

标签： dataframe string r data-manipulation stringr

【解决方案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 a 任一边缘的空字符串单词

【讨论】：

【解决方案2】：

对特定位置的匹配稍作调整：在您的search_item 之后添加$，这是一个regex，它指定：如果它只出现在字符串的末尾，则需要匹配。

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

  X              Y match_ab
1 1                    <NA>
2 2 Washington, DC     <NA>
3 3 Huntsville, AL       AL
4 4      Mobile,AL       AL
5 5       ALL OVER     <NA>

假设 AL 在字符串的中间，那么这可能更通用：

data <- data.frame(X = (1:5), Y = c("", "Washington, DC", "Huntsville, AL, 
                   SOMETHING_AT_THE_END", "Mobile,AL", "ALL OVER")); data;
  X                                    Y
1 1                                     
2 2                       Washington, DC
3 3 Huntsville, AL, SOMETHING_AT_THE_END
4 4                            Mobile,AL
5 5                             ALL OVER

data$match_ab <- str_extract(data[,2], str_c("AL(?!L)", collapse = "|")); data;
  X                                    Y match_ab
1 1                                          <NA>
2 2                       Washington, DC     <NA>
3 3 Huntsville, AL, SOMETHING_AT_THE_END       AL
4 4                            Mobile,AL       AL
5 5                             ALL OVER     <NA>

其中(?!L) 表示不是!，后跟? L。

【讨论】：

【解决方案3】：

我们也可以使用stringi中的stri_extract

library(stringi)
data$match_ab <- stri_extract(data[,2], regex = "\\bAL\\b")

【讨论】：