如何获取R中字符串的前10个单词？

Question

我在 R 中有一个字符串为

x <- "The length of the word is going to be of nice use to me"

我想要上面指定字符串的前 10 个单词。

例如，我有一个 CSV 文件，其格式如下所示：-

Keyword,City(Column Header)
The length of the string should not be more than 10,New York
The Keyword should be of specific length,Los Angeles
This is an experimental basis program string,Seattle
Please help me with getting only the first ten words,Boston

我只想从每行的“关键字”列中获取前 10 个单词并将其写入 CSV 文件。 请在这方面帮助我。

Answer 1

正则表达式（regex）使用\w（单词字符）及其否定\W回答：

gsub("^((\\w+\\W+){9}\\w+).*$","\\1",x)

1. ^ 标记的开头（零宽度）
2. ((\\w+\\W+){9}\\w+) 十个由非单词分隔的单词。
   1. (\\w+\\W+){9} 一个词后非一个词，9 次
      1. \\w+一个或多个单词字符（即一个单词）
      2. \\W+ 一个或多个非单词字符（即空格）
      3. {9}九次重复
   2. \\w+第十字
3. .* 其他任何内容，包括以下其他词语
4. $ 标记结束（零宽度）
5. \\1 找到此令牌后，将其替换为第一个捕获的组（10 个单词）

Answer 2

使用 Hadley Wickham 的 stringr 包中的 word 函数怎么样？

word(string = x, start = 1, end = 10, sep = fixed(" "))

Answer 3

这是一个小函数，它取消列出字符串，将前十个单词作为子集，然后将其粘贴回去。

string_fun <- function(x) {
  ul = unlist(strsplit(x, split = "\\s+"))[1:10]
  paste(ul,collapse=" ")
}

string_fun(x)

df <- read.table(text = "Keyword,City(Column Header)
The length of the string should not be more than 10 is or are in,New York
The Keyword should be of specific length is or are in,Los Angeles
                 This is an experimental basis program string is or are in,Seattle
                 Please help me with getting only the first ten words is or are in,Boston", sep = ",", header = TRUE)

df <- as.data.frame(df)

使用 apply（该函数在第二列中没有执行任何操作）

df$Keyword <- apply(df[,1:2], 1, string_fun)

编辑 可能这是更通用的函数使用方式。

df[,1] <- as.character(df[,1])
df$Keyword <- unlist(lapply(df[,1], string_fun))

print(df)
#                      Keyword                            City.Column.Header.
# 1    The length of the string should not be more than            New York
# 2  The Keyword should be of specific length is or are         Los Angeles
# 3  This is an experimental basis program string is or             Seattle
# 4      Please help me with getting only the first ten              Boston

Answer 4

x <- "The length of the word is going to be of nice use to me"
head(strsplit(x, split = "\ "), 10)