将字符串向量转换为整洁的格式答案

【问题标题】：Converting vector of strings to tidy format将字符串向量转换为整洁的格式
【发布时间】：2017-12-01 15:28:29
【问题描述】：

这里是网站 url 和一些文本的向量，其中每个 url 和文本用空格分隔：

v <- c("url www.site1.com this is the text of the site" , "url www.site2.com this is the text of the other site" )

我正在尝试转换为整洁的格式：

  url          text
www.site1.com  this is the text of the site
www.site2.com  this is the text of the other site

使用：

df <- data.frame(v)

df %>% separate(v , into=c("url" , "text") , sep = " ")

但这会返回：

url          text
1 url www.site1.com
2 url www.site2.com

是否需要使用替代正则表达式来实现所需的 tibble 格式？

【问题讨论】：

df %>% separate(v , into=c("literally_just_url", "url" , "text") , sep = " ") 怎么样。然后，您可以删除无用的 url 列。
另外，记得保存结果：df <- df %>% separate(...)
@Gregor 我收到警告消息：“2 个位置的值太多：1、2”为什么会显示？ stackoverflow.com/questions/41837430/… 暗示它与使用正则表达式有关？
@Gregor 使用df %>% separate(v , into=c("literally_just_url", "url" , "text") , sep = " ") 将第一个单词放入文本列，而不是整个文本。
显示是因为有2个以上的空格，所以在一个空格上分割时有3个以上的compenents。使用extra 参数进行修复。

标签： r

【解决方案1】：

v <- c("url www.site1.com this is the text of the site" , "url www.site2.com this is the text of the other site" )
df = data.frame(v)
tidyr::separate(df, v, into = c("literally_just_url", "url", "text"),
                sep = " ", extra = "merge")
#   literally_just_url           url                               text
# 1                url www.site1.com       this is the text of the site
# 2                url www.site2.com this is the text of the other site

【讨论】：

【解决方案2】：

类似的东西呢：

library(tidyverse)

tibble(v = v) %>% 
  mutate_at("v", str_replace, pattern = "^url ", replacement = "") %>% 
  separate(v, c("url", "text"), sep = " ", extra = "merge")

【讨论】：

【解决方案3】：

这个怎么样，

df %>% 
extract(v, into = c('url', 'text'),  regex = "url\\s+(\\S+)\\s+([A-Za-z ]+)")

正则表达式的解释：匹配 url 后跟一个空格，使用 url\\s。后跟要匹配的多个不带空格的字母数字字符(\\S+)。后跟另一个空格\\s。最后是带有空格的文本的其余部分([A-Za-z ]+)

【讨论】：