如何在不知道R中单词的情况下匹配某个字符后的单词?

这里有一个温和的方法。让我们调用数据 s :

s <- 'JOHN LION - XYZ RAN RUN TREEABC GRASS - ABC LIMB RAN RUN LION -XYZ JOG SUN SKY - ABC LION JOHN PONDABC RUN - PDF STONE'

具有 stringr ,让我们使用现有的正则表达式来提取要匹配的模式:

library(stringr)
pat <- str_extract_all(s, "(?<=-\\s)\\w+")

使用这些模式查找模式前有非空白字符且后面有空格的所有单词(即需要空格的单词):

words <- str_extract_all(s, paste0('[A-Za-z0-9]+', pat[[1]], '\\s'))

通过将模式替换为空格,然后替换为模式,在这些单词中插入空格。要同时完成这一切,您需要使用 lapply 像 str_extract_all 生成列表。

words2 <- lapply(1:length(words), function(x){           # a little hacky
  str_replace_all(words[[x]], pat[[1]][x], paste0(' ', pat[[1]][x]))
})

要用固定单词替换所有匹配的单词,我们需要运行 str_replace_all 每个单词和替换,所以我们要么需要更新 s 当我们用 sapply :

sapply(1:length(words), function(x){                               # hacky
  s <<- str_replace_all(s, unlist(words)[x], unlist(words2)[x])    # hackier
})

这将产生一些无用的输出,但会更新 s ,或使用 for 循环,这有点干净:

for(x in 1:length(words)){
  s <- str_replace_all(s, unlist(words)[x], unlist(words2)[x])
}

不管怎样,我们都会

> s
[1] "JOHN LION - XYZ RAN RUN TREE ABC GRASS - ABC LIMB RAN RUN LION -XYZ JOG SUN SKY - ABC LION JOHN POND ABC RUN - PDF STONE"