从列表中提取数据，并将其放入整洁的tibble，R
从列表中提取数据，并将其放入整洁的tibble，R
提问于 2020-10-29 08:20:09
我有一个列表(代码示例中的列表)，我希望循环循环，从一个整洁的数据集中提取数据(代码示例中的目标数据)。该列表由5个元素组成，每个元素都应该在应用程序表单中表示一个页面。每个元素都是一个字符串。
- 从第一个元素中提取与单词数字和组织有关的信息。
- 在单词开始(元素3)和停止(元素5)之间，我的目标是提取与名称和信息相关的信息。这是我希望提取的冒号(：)、名称和信息后面的信息以及行间隔之间的信息。也许regex解决方案是可能的？在代码示例中有3个名称和3个信息。我努力构建一个通用函数，它可以在定义的边界内处理任意数量的名称和信息(start，
)。
我怎样才能在R中处理这个问题？感谢你的帮助。我使用str_extract_all()做了一些尝试，但都失败了。
library(tidyverse)
target <- tibble(number = c("10", "10", "10"),
organization = c("TEST", "TEST", "TEST"),
name = c("X", "Y", "Z"),
info = c(12, 1, 43))
string1 <- "Application \r\n Date: 2020-09-23\r\n number: 10\r\n organization: TEST \r\nMail: x@x.com\r\n
Page 1(5)\r\n"
string2 <- "Application \r\n Date: 2020-09-23\r\n ZZZZZZZZ\r\n
Page 2(5)\r\n"
string3 <- "Application \r\n Date: 2020-09-23\r\n Start\r\n name: X\r\ninfo: 12\r\nmiss: NO\r\nname: Y\r\ninfo: 1\r\nname: Z\r\
Page 3(5)\r\n"
string4 <- "Application \r\n Date: 2020-09-23\r\n info: 43\r\n miss: YES\r\nPage 4(5)\r\n"
string5 <- "stop\r\nname: ZY\r\ninfo:45\r\nMISS:-\r\nPage 5(5)"
list <- as.list(c(string1, string2, string3, string4, string5))回答 1
Stack Overflow用户
回答已采纳
发布于 2020-10-29 12:33:48
我想这就是你想要达到的目标：
str <- paste0(string1, string2, string3, string4, string5)
str_extract_all(str, regex("(?<=start).+?(?=stop)", dotall = TRUE,ignore_case = TRUE))[[1]] -> strs
str_match_all(strs, regex("name: *([^\\r\\n]+?)\\r\\n.*?info: *([^\\r\\n]+?)\\r\\n", dotall=T))[[1]][,-1] -> mat
tibble(name=mat[,1], info=mat[,2], number=as.numeric(str_extract(str, "(?<=number: )\\d+")),organization=str_extract(str, "(?<=organization: ).+(?= +\\r)") )# A tibble: 3 x 4
name info number organization
<chr> <chr> <dbl> <chr>
1 X 12 10 TEST
2 Y 1 10 TEST
3 Z 43 10 TEST 解释：
我正在使用(?=pat) (resp )。查找( (?<=pat))以检查以下内容(resp )。)字符匹配pat。
str_extract_all(..., "(?<=start).+?(?=stop)")获取介于start和stop.name: *([^\\r\\n]+?)\\r\\n.*?info: *([^\\r\\n]+?)\\r\\n之间的文本：name: *matchname:，后面跟着任意数量的spaces.([^\\r\\n]+?)捕获一个或多个字符，这些字符与回车\r和换行符\r不同，greedy.\\r\\n.*?量词是为了匹配尽可能少的字符数，即在正则表达式中，使+量词非\r\n匹配文字\r\n和.*?--任何数量的字符都比possible.([^\\r\\n]+?)\\r\\n捕获的少.然后匹配一个文字\r\n.
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/64587305
复制相关文章
相似问题
腾讯云开发者
