在 R 中解析列和识别字段答案

【问题标题】：Parsing Columns and Identifying Fields in R在 R 中解析列和识别字段
【发布时间】：2017-06-30 22:35:46
【问题描述】：

这是我的 df 示例：

data
276 '83 Rally '83 (1983) (V)\t\t\t\t1983
277 '87: A Love Story (2007)\t\t\t\t2007                                                                                                   
278 '88 Dodge Aries (2002)\t\t\t\t\t2002
279 '9': Acting Out (2009) (V)\t\t\t\t2009

我想创建一个仅显示标题和年份的数据框。有人对如何解析这个有任何建议吗？我想我可能需要拆分\t\t\t\t 上的列

     Title                Year 
276 '83 Rally '83     (1983) 
277 '87: A Love Story (2007)                                                                                             
278 '88 Dodge Aries   (2002)
279 '9': Acting Out   (2009)

这是输出

c("# (2014)\t\t\t\t\t\t2014", "#1 (2005)\t\t\t\t\t\t2005", "#1 (2009)\t\t\t\t\t\t2009", 
"#1 (2010)\t\t\t\t\t\t2010", "#1 (2010/I) (V)\t\t\t\t\t\t2010", 
"#1 (2010/II) (V)\t\t\t\t\t2010")

【问题讨论】：

您目前实际上有多少列？ 1？ A dput would be helpful.
实际上，您给出的示例并没有使您的 data.frame 的结构明显。您能否以显示结构的方式提供您的数据？请使用dput(df) 并将结果粘贴到您的问题中。如果你的数据很长，可以使用dput(head(df))
@alistaire @G5W 目前我只有一列名为data。它包含电影信息字符串（标题、发布日期）我不熟悉 dput，但我运行了这个：dput(head(df))，我会将输出放在问题中。

标签： r string parsing

【解决方案1】：

使用gsub():

df$Title <- gsub("(.*?) \\(.*", "\\1", df$data)
df$Year  <- gsub(".*\\((\\d{4})\\).*", "\\1", df$data)

> df[c("Title", "Year")]
                  Title Year
1     276 '83 Rally '83 1983
2 277 '87: A Love Story 2007
3   278 '88 Dodge Aries 2002
4   279 '9': Acting Out 2009

注意：如果data实际上是一个独立的向量，那么直接使用它就可以了，例如

Title <- gsub("(.*?) \\(.*", "\\1", data)

下面是用于提取年份的正则表达式的解释：

.*        match everything
\\(       up until the first parenthesis
(\\d{4})  then capture a four digit year
\\)       followed by a closing parenthesis
.*        consume the remainder of the string

\\1 用作替换 gsub() 的数量使用在比赛期间捕获的四位数年份。

【讨论】：

谢谢。当我尝试你的代码时，我得到了这个错误：Error in df$data : $ operator is invalid for atomic vectors
听起来data 不是一个数据框，它只是一个字符串向量。在这种情况下，只需在我上面给出的代码 sn-p 中将 df$data 替换为 data。
谢谢，我修复了我的数据，现在它在 df 中。你介意解释你的正则表达式 - 特别是'df$year'中使用的正则表达式