逗号后只保留每个单词的第一个字母答案

【问题标题】：Keep only the first letter of each word after a comma逗号后只保留每个单词的第一个字母
【发布时间】：2021-06-12 16:34:59
【问题描述】：

我有 Sacher, Franz Xaver 或 Nishikawa, Kiyoko 这样的字符串。

使用 R，我想将它们更改为 Sacher, F. X. 或 Nishikawa, K.。

换句话说，逗号后面的每个单词的第一个字母都应该保留一个点（如果后面有另一个单词，则保留一个空格）。

Here is a related response，但它不能应用于我的案例 1:1，因为它的字符串中没有逗号； (<?=, ) 的简单添加似乎不起作用。

例如在以下尝试中，gsub() 替换了所有内容，而我的 str_replace_all()-attempt 导致错误：

TEST <- c("Sacher, Franz Xaver", "Nishikawa, Kiyoko", "Al-Assam, Muhammad")

# first attempt
# (resembles the response from the other thread)
gsub('\\b(\\pL)\\pL{2,}|.','\\U\\1', TEST, perl = TRUE)

# second attempt
# error: "Incorrect unicode property"
stringr::str_replace_all(TEST, '(?<=, )\\b(\\pL)\\pL{2,}|.','\\U\\1')

感谢您的帮助！

【问题讨论】：

标签： r regex gsub stringr

【解决方案1】：

使用多个反向引用的方法：

gsub("(\\b\\w+,\\s)(\\b\\w).*(\\b\\w)*", "\\1\\2.\\3", TEST)
[1] "Sacher, F."    "Nishikawa, K." "Al-Assam, M."

这里，我们使用三个捕获组通过反向引用在gsub 的替换参数中进行引用：

(\\b\\w+,\\s)：这个，首先，组捕获姓氏加上逗号，后跟空格
(\\b\\w)：这，第二，组捕获名字的首字母
(\\b\\w)：这个，第三，组捕获中间名的首字母

【讨论】：

【解决方案2】：

一种粗略的分割字符串的方法：

TEST <- c("Sacher, Franz Xaver", "Nishikawa, Kiyoko", "Al-Assam, Muhammad")

sapply(strsplit(TEST, '\\s+'), function(x) 
      paste0(x[1], paste0(substr(x[-1], 1, 1), collapse = '.'), '.'))

#[1] "Sacher,F.X."  "Nishikawa,K." "Al-Assam,M."

【讨论】：

【解决方案3】：

你可以使用

gsub("(*UCP)^[^,]+(*SKIP)(*F)|\\b(\\p{L})\\p{L}*", "\\U\\1.", TEST, perl=TRUE)

请参阅regex demo。详情：

(*UCP) - 使 \b 识别 Unicode 的 PCRE 动词
^[^,]+(*SKIP)(*F) - 字符串开头，然后是逗号以外的任何零个或多个字符，然后匹配失败并跳过，下一个匹配从发生失败的位置开始
| - 或
\b - 字边界
(\p{L}) - 第 1 组：任何 Unicode 字母
\p{L}* - 零个或多个 Unicode 字母

见R demo：

TEST <- c("Sacher, Franz Xaver", "Nishikawa, Kiyoko", "Al-Assam, Muhammad")
gsub("(*UCP)^[^,]+(*SKIP)(*F)|\\b(\\p{L})\\p{L}*", "\\U\\1.", TEST, perl=TRUE)
## => [1] "Sacher, F. X." "Nishikawa, K." "Al-Assam, M."

【讨论】：

仅供参考：查看(*UCP)动词在this R demo中的重要性。