将多个字符串的所有匹配项返回到 R 列答案

【问题标题】：Return all matches of multiple strings to column with R将多个字符串的所有匹配项返回到 R 列
【发布时间】：2019-05-20 09:00:29
【问题描述】：

我有一个包含一列或两个名称的数据框。我想创建第二列，它从列表中返回匹配的名称，用分号分隔。我已经尝试过使用 stringr 和 grepl，但不能完全到达那里。

这是我要提取的表格和名称列表的示例。

beatles.list <- c("JOHN LENNON", "PAUL MCCARTNEY", "RINGO STARR", "GEORGE HARRISON")
people = c("JOHN W. LENNON|PAUL MCCARTNEY SIR", "RINGO STARR", "CHARLES HARRISON", "GEORGE HARRISON")
beatles.data <- data.frame(people)

这就是我希望结果表的样子。

people = c("JOHN W. LENNON|PAUL MCCARTNEY SIR", "RINGO STARR", "CHARLES HARRISON", "GEORGE HARRISON")
beatles = c("LENNON; MCCARTNEY", "STARR", "", "HARRISON")
beatles.data <- data.frame(people, beatles)

感谢您的帮助！

【问题讨论】：

标签： r string-matching

【解决方案1】：

我建议使用 tidyverse。请注意，您的 beatles.list 将无法与 people 匹配以提供所需的输出。在我的示例中，我对其进行了后向修改，还在 paste 函数中的分号后添加了一个空格，因为这是您在示例中添加的内容。

请参阅https://stackoverflow.com/a/43146829/6086135，了解为什么需要compact。

library(tidyverse)
beatles.list <- c("(?<=JOHN (W. ){0,1})LENNON", "(?<=PAUL )MCCARTNEY", "(?<=RINGO )STARR", "(?<=GEORGE )HARRISON")
  people = c("JOHN W. LENNON|PAUL MCCARTNEY SIR", "RINGO STARR", "CHARLES HARRISON", "GEORGE HARRISON")
  beatles.data <- data.frame(people)  

  beatles.data %>% 
    rowwise() %>% #needed here when supplying a vector to str_extract
    mutate(
      beatles = people %>% 
        str_extract_all(beatles.list) %>% 
        compact() %>% #removes the empty elements from the list
        paste(collapse = "; ") # to provide the desired output
    )

【讨论】：

除了删除名字之外，您现在与不需要的行匹配，Charles Harrison。
是的，我有点太快了。现在修复了答案:)（不是披头士乐队的粉丝）
sapply(str_extract_all(beatles.data$people,paste0(sub('\\s','.*',beatles.list),collapse = '|')),function(x)paste(str_extract(x,'\\S+$'),collapse=';'))