如何使用 R 计算字符串中的 CAPSLOCK答案

【问题标题】：How to count CAPSLOCK in string using R如何使用 R 计算字符串中的 CAPSLOCK
【发布时间】：2015-10-18 12:06:35
【问题描述】：

在 src$Review 中，每一行都填充了俄语文本。我想计算每一行中的 CAPSLOCK。例如，在“My apple is GREEN”中，我不仅要计算大写字母的数量，还要计算 CAPSLOCK 的数量（没有“My”，只有“GREEN”）。因此，它仅在至少两个字符以大写形式出现时才有效。

现在我的脚本中有以下代码：

capscount <- str_count(src$Review, "[А-Я]")

它只计算大写字母的总数。我只需要 CAPSLOCK 中的字符总数，这意味着只有在单词中至少显示 2 个后续字母（例如，“GREEN”中的“GR”）显示时，才会计算这些字符。

提前谢谢你。

【问题讨论】：

标签： r uppercase capslock

【解决方案1】：

您要查找的模式是"\\b[A-Z]{2,}\\b"。它将连续匹配两个或多个大写字母，每边都有边界\\b。就是整体结构，需要的地方用俄文字母填写。

#test string. A correct count should be 1 0 2
x <- c("My GREEN", "My Green", "MY GREEN")

library(stringr)
str_count(x, "\\b[A-Z]{2,}\\b")
#[1] 1 0 2

library(stringi)
stri_count(x, regex="\\b[A-Z]{2,}\\b")
#[1] 1 0 2

#base R
sapply(gregexpr("\\b[A-Z]{2,}\\b", x), function(x) length(c(x[x > 0])))
#[1] 1 0 2

更新

如果您想要字符数：

sapply(str_match_all(x, "\\b[A-Z]{2,}\\b"), nchar)

【讨论】：

【解决方案2】：

将 Pierre 的正则表达式与 nchar 和 str_extract_all 结合使用。使用simplify = TRUE 和paste0 连接所有实例。

library(stringr)

string <- c("My applie is GREEN and Her Majesty's apricot is ORANGE", "I have a LARGE sword", "My baby is sick")

nchar(
  paste0(
    str_extract_all(string = string, pattern = "\\b[A-Z]{2,}\\b", simplify = TRUE), 
    collapse = "")
  )

【讨论】：

【解决方案3】：

我维护的 qdapRegex 包有一个正则表达式，这与@Hugh 的正则表达式相同，但 IMO 很高兴将许多常见的正则表达式存储在一个我可以抓取的库中。 qdapRegex 使用 stringi 作为后端，因此如果您安装了 qdapRegex 应该可以使用。

在@Pierre Lafortune 的字符串上：

x <- c("My GREEN", "My Green", "MY GREEN")

library(qdapRegex)
stringi::stri_count_regex(x, grab("@rm_caps"))

## [1] 1 0 2

让我们看看正则表达式：

grab("@rm_caps")

## "(\\b[A-Z]{2,}\\b)"

在@Hugh 的字符串上：

x2 <- c("My applie is GREEN and Her Majesty's apricot is ORANGE", "I have a LARGE sword", "My baby is sick")
stringi::stri_count_regex(x2, grab("@rm_caps"))

## [1] 2 1 0

【讨论】：