根据正则表达式和正则表达式值改变数据框答案

【问题标题】：Mutate a data frame based on regex and regex value根据正则表达式和正则表达式值改变数据框
【发布时间】：2017-07-14 07:01:05
【问题描述】：

一个特征是否与正则表达式匹配，我想使用匹配的值来填充一个新特征，否则不适用。

我找到了this 帖子并尝试使用答案来解决我的问题。

library(dplyr)
library(stringr)

dat.p <- dat.p %>%
  mutate(
    cad = ifelse(str_locate(text_field, "\\[[^]]*\\]"), 
                 str_extract(text_field, "\\[[^]]*\\]"),
                 NA)
    )

如果 text_field 中的正则表达式 \\[[^]]*\\] 匹配，则在新列 cad 中使用该值，否则将值设为 cad NA。

当我运行它时，我得到了错误：

Error: wrong result size (1000000), expected 500000 or 1

我该怎么做？

一些示例数据：

df <- data.frame(
  id = 1:2,
  sometext = c("[cad] apples", "bannanas")
)

df.desired <- data.frame(
  id = 1:2,
  sometext = c("[cad] apples", "bannanas"),
  cad = c("[cad]", NA)
)

【问题讨论】：

标签： r regex dplyr stringr

【解决方案1】：

我不知道你为什么要使用 mutate 和 ifelse 来打扰它，因为它使用 str_extract 如果它不提取任何内容就会给你一个 NA 的事实：

> df$cad = str_extract(df$sometext,"\\[[^]]*\\]")
> df
  id     sometext   cad
1  1 [cad] apples [cad]
2  2     bannanas  <NA>

您可以通过单独尝试表达式并查看会发生什么来调试 R。例如，您的 ifelse 的第一个元素是：

> str_locate(df$sometext,"\\[[^]]*\\]")
     start end
[1,]     1   5
[2,]    NA  NA

这显然不能作为ifelse 的第一个参数。那你为什么认为它会呢？

【讨论】：

【解决方案2】：

> df$cad <- regmatches(df$sometext, gregexpr("\\[[^]]*\\]", df$sometext))
> df
  id     sometext   cad
1  1 [cad] apples [cad]
2  2     bannanas

【讨论】：

给了你一个 +1 的使用基础，但后来意识到你没有将缺失的匹配设置为 NA...