从R中的字符串中提取某些部分答案

【问题标题】：Extract certain part from a string in R从R中的字符串中提取某些部分
【发布时间】：2021-04-02 23:18:11
【问题描述】：

我想提取字符串的一部分。这是一个示例数据集。

df <- data.frame(id = c(1,2),
                 string = c('<itemResponse><response id="editIn_1.RESPONSE_1"><value>ETC_CHOICE_2</value>',
                            '<itemResponse><response id="editIn_1.RESPONSE_1"><value>ETC_CHOICE_4</value>'))

> df
  id                                                                       string
1  1 <itemResponse><response id="editIn_1.RESPONSE_1"><value>ETC_CHOICE_2</value>
2  2 <itemResponse><response id="editIn_1.RESPONSE_1"><value>ETC_CHOICE_4</value>

我想从长字符串中提取ETC_CHOICE_2 和ETC_CHOICE_4。我想要的输出是：

> df
  id                                                                       string  extract
1  1 <itemResponse><response id="editIn_1.RESPONSE_1"><value>ETC_CHOICE_2</value>  ETC_CHOICE_2
2  2 <itemResponse><response id="editIn_1.RESPONSE_1"><value>ETC_CHOICE_4</value>  ETC_CHOICE_4

有人知道吗？

谢谢！

【问题讨论】：

标签： r string extract

【解决方案1】：

一个选项是使用XML中的htmlParse

library(XML)
library(dplyr)
df %>% 
  mutate(extract = htmlParse(string) %>%
                    getNodeSet("//value") %>%
                    xmlValue)

-输出

#id                                                                       string      extract
#1  1 <itemResponse><response id="editIn_1.RESPONSE_1"><value>ETC_CHOICE_2</value> ETC_CHOICE_2
#2  2 <itemResponse><response id="editIn_1.RESPONSE_1"><value>ETC_CHOICE_4</value> ETC_CHOICE_4

【讨论】：

【解决方案2】：

您可以使用正则表达式提取<value> 和</value> 之间的所有内容。

df$extract <- sub('.*<value>(.*)</value>', '\\1', df$string)
df

#  id                                                                       string      extract
#1  1 <itemResponse><response id="editIn_1.RESPONSE_1"><value>ETC_CHOICE_2</value> ETC_CHOICE_2
#2  2 <itemResponse><response id="editIn_1.RESPONSE_1"><value>ETC_CHOICE_4</value> ETC_CHOICE_4

【讨论】：

感谢您的宝贵时间。由于您提出了所需提取部分的位置，因此该解决方案确实可以以不同的方式使用。谢谢！