R：如何将字符串分成几部分

Question

我正在尝试拆分大量字符串，如下所示：

x = "�\001�\001�\001�\001�\001\002CN�\001\bShandong�\001\004Zibo�\002$ABCDEFGHIJK�\002\aIMG_HAS�\002�\002�\002�\002�\002�\002�\002�\002\02413165537405763268743�\002\001�\002�\002�\002�\003�\003�\003����\005�\003�\003�\003�\003"

分成四块

'CN', 'Shandong', 'Zibo', 'ABCDEFGHIJK'

我试过了

stringr::str_split(x, '\\00.')

输出原点x。 还有，

trimws(gsub("�\\00?", "", x, perl = T))

只删除未知字符�。

有人可以帮我解决这个问题吗？感谢您这样做。

Answer 1

你可以试试str_extract_all：

stringr::str_extract_all(x, '[A-Za-z_]+')[[1]]
[1] "CN"          "Shandong"    "Zibo"        "ABCDEFGHIJK" "IMG_HAS"

使用基础 R：

regmatches(x, gregexpr('[A-Za-z_]+', x))[[1]]

这里我们提取所有带有大写、小写或下划线的单词。其他所有内容都将被忽略，因此最终输出中不会出现像 �\\00? 这样的字符。

Answer 2

我们可以从base R使用strsplit

setdiff(strsplit(x, "[^A-Za-z]+")[[1]], "")
#[1] "CN"          "Shandong"    "Zibo"        "ABCDEFGHIJK" "IMG"         "HAS"