R中的文本操作

Question

我正在尝试在某些书名字符串周围添加括号，并且我希望能够使用 paste0 函数进行粘贴。我要取这个字符串：

a <- c("I Like What I Know 1959 02e pdfDrama (amazon.com)", "My Liffe 1993 07e pdfDrama (amazon.com)")

将某些字符串用括号括起来：

a
[1] “I Like What I Know (1959) (02e) (pdfDrama) (amazon.com)”
[2] ”My Life (1993) (07e) (pdfDrama) (amazon.com)”

我已经尝试过，但无法找到在字符串中替换它们的方法：

paste0("(",str_extract(a, "\\d{4}"),")")
paste0("(",str_extract(a, ”[0-9]+.e”),”)”)

帮助？

Answer 1

我可以为固定数量的特定类型的单词建议一个正则表达式：

a <- c("I Like What I Know 1959 02e pdfDrama (amazon.com)","My Life 1993 07e pdfDrama (amazon.com)")
sub("\\b(\\d{4})(\\s+)(\\d+e)(\\s+)([a-zA-Z]+)(\\s+\\([^()]*\\))", "(\\1)\\2(\\3)\\4(\\5)\\6", a)

见R demo

这里是regex demo。总之，

• \\b(\\d{4}) - 将 4 个数字作为一个完整的单词捕获到第 1 组中
• (\\s+) - 第 2 组：一个或多个空格
• (\\d+e) - 第 3 组：一位或多位数字和 e
• (\\s+) - 第 4 组：同上
• ([a-zA-Z]+) - 第 5 组：一个或多个字母
• (\\s+\\([^()]*\\)) - 第 6 组：一个或多个空格、(、除 ( 和 )、) 之外的零个或多个字符。

在反向引用的帮助下，组的内容被插入回结果中。

如果单词较多，并且需要在字符串中的 4 位单词后面换行以字母/数字/下划线开头的单词，请使用

gsub("(?:(?=\\b\\d{4}\\b)|\\G(?!\\A))\\s*\\K\\b(\\S+)", "(\\1)", a, perl=TRUE)

查看R demo 和regex demo

详情：

• (?:(?=\\b\\d{4}\\b)|\\G(?!\\A)) - 一个 4 位数的整个单词之前的位置（请参阅正向预测 (?=\\b\\d{4}\\b)）或上一个成功匹配的结尾
• \\s* - 0+ 个空格
• \\K - 省略目前匹配的文本
• \\b(\\S+) - 第 1 组捕获 1 个或多个前面带有单词边界的非空白符号。