从R中的字符串中提取以동结尾的单词（可变长度）

Question

我在 R 中有一个数据框，其中一列包含韩语地址。我需要提取其中一个词（一个以동结尾的词），如果它在那里（它可能丢失）并创建一个名为“dong”的新列，它将包含这个词。所以我的数据显示在“地址”列中，所需的输出显示在下面的“dong”列中。

address <- c("대전광역시 서구 탄방동 홈플러스","대전광역시 동구 효동 주민센터","대전광역시 대덕구 오정동 한남마트","대전광역시 동구 자양동 87-3번지 성동경로당","대전광역시 유성구 용계로 128")
dong <- c("탄방동","효동","오정동","자양동",NA)
data <- data.frame(address,dong, stringsAsFactors = FALSE)

我尝试过使用 grep，但它并没有完全满足我的需求。

grep(".+동\\s",data$address,value=T)

我认为我有 2 个问题：1) 我不确定如何编写正确的正则表达式来识别我需要的单词，以及 2) 我不确定为什么 grep 返回整个字符串而不是单词。我将不胜感激任何建议。

Answer 1

提取以特定字母结尾的韩语整个单词的正则表达式是

\b\w*동\b

请参阅regex demo。

详情：

• \b- 引导词边界
• \w* - 0+ 个单词字符
• 동 - 结尾字母
• \b - 词尾边界

见R demo：

address <- c("대전광역시 서구 탄방동 홈플러스","대전광역시 동구 효동 주민센터","대전광역시 대덕구 오정동 한남마트","대전광역시 동구 자양동 87-3번지 성동경로당","대전광역시 유성구 용계로 128")
## matches <- regmatches(address, gregexpr("\\b\\w*동\\b", address, perl=TRUE ))
matches <- regmatches(address, gregexpr("\\b\\w*동\\b", address ))
dong <- unlist(lapply(matches, function(x) if (length(x) == 0) NA else x))
data <- data.frame(address,dong, stringsAsFactors = FALSE)

输出：

                                     address   dong
1            대전광역시 서구 탄방동 홈플러스 탄방동
2              대전광역시 동구 효동 주민센터   효동
3          대전광역시 대덕구 오정동 한남마트 오정동
4 대전광역시 동구 자양동 87-3번지 성동경로당 자양동
5               대전광역시 유성구 용계로 128   <NA>

请注意，dong <- unlist(lapply(matches, function(x) if (length(x) == 0) NA else x)) 行是必要的，以将 NA 添加到未找到匹配项的行。

Answer 2

grep 返回整个字符串。在您的情况下，stringr 库很有用。

library(stringr)
str_match(paste0(data$address, ' '), '([^\\s]+동)\\s')
     [,1]      [,2]    
[1,] "탄방동 " "탄방동"
[2,] "효동 "   "효동"  
[3,] "오정동 " "오정동"
[4,] "자양동 " "자양동"
[5,] NA        NA      

第 2 列是您想要的。请注意，我在字符串末尾添加了一个空格，以便如果字符串末尾出现“dong”，则正则表达式将匹配。