R：从字符串中提取带有大写字母的子字符串答案

【问题标题】：R: extract substring with capital letters from stringR：从字符串中提取带有大写字母的子字符串
【发布时间】：2021-04-14 03:27:29
【问题描述】：

我有一个列中包含字符串的数据框。如何仅提取大写字母的子字符串并将它们添加到另一列？

这是一个例子：

    fecha          incident
1   2020-12-01     Check GENERATOR
2   2020-12-01     Check BLADE
3   2020-12-02     Problem in GENERATOR
4   2020-12-01     Check YAW
5   2020-12-02     Alarm in SAFETY SYSTEM

我想创建另一个列，如下所示：

    fecha          incident                  system
1   2020-12-01     Check GENERATOR           GENERATOR
2   2020-12-01     Check BLADE               BLADE
3   2020-12-02     Problem in GENERATOR      GENERATOR
4   2020-12-01     Check YAW                 YAW
5   2020-12-02     Alarm in SAFETY SYSTEM    SAFETY SYSTEM

我尝试过使用正则表达式 str_sub 或 str_extract_all，但我认为我做错了。

【问题讨论】：

使用 dput() 共享数据会更容易提供帮助。
我很乐意，但实际数据是保密的......
我是说分享你的所有数据。只是您已经共享的数据，只是在一个更容易复制和粘贴的地方。

标签： r string dataframe substring

【解决方案1】：

如果您想在数据框中工作并将其绑定到 tidyverse 工作流程中，可以使用 str_extract。

正则表达式要求输入大写字母或空格，并且需要有两个或多个连续的（因此它找不到大写的单词）。 str_trim 删除如果大写单词不在字符串末尾时可以拾取的空格。

请注意，这段代码将仅提取通过空格连接的第一个大写单词。如果字符串的不同部分有大写单词，则只返回第一个。

library(tidyverse)
x <- c("CAPITAL and not Capital", "one more CAP word", "MULTIPLE CAPITAL words", "CAP words NOT connected")
cap <- str_trim(str_extract(x, "([:upper:]|[:space:]){2,}"))
cap
#> [1] "CAPITAL"          "CAP"              "MULTIPLE CAPITAL" "CAP"

^{由reprex package (v0.3.0) 于 2021-01-08 创建}

【讨论】：

【解决方案2】：

 library(tidyverse)

 string <- data.frame(test="does this WORK")

 string$new <-str_extract_all(string$test, "[A-Z]+")

 string

           test  new
1 does this WORK WORK

【讨论】：

感谢您的回答！但这实际上提取了我的字符串开头的“C”，例如“Check GENERATOR”，因为它也是一个大写字母。是否有任何正则表达式来提取大写单词？还要考虑到字符串可能有多个大写单词，例如“安全系统中的警报”

【解决方案3】：

如果存在大写字母不相邻的情况，您可以使用str_extract_all 提取句子中的所有大写字母，然后将它们粘贴在一起。

sapply(stringr::str_extract_all(df$incident, '[A-Z]{2,}'),paste0, collapse = ' ')
#[1] "GENERATOR"  "BLADE"    "GENERATOR"     "YAW"     "SAFETY SYSTEM"

【讨论】：