用该字符串的一部分替换 tibble 中的字符串

Question

我在这里搜索了很多正则表达式的答案，但找不到解决此类问题的方法。

我的数据集是带有维基百科链接的小标题：

library(tidytext)
library(stringr)
text.raw <- "Berthold Speer was een [[Duitsland (hoofdbetekenis)|Duits]] [[architect]]."

我正在尝试从链接中清理我的文本。这个：

str_extract_all(text.raw, "[a-zA-Z\s]+(?=\])")
# [1] "Duits"     "architect"

从括号中选择我需要的词。

这个：

str_replace_all(text.raw, "\[\[.*?\]\]", str_extract(text.raw, "[a-zA-Z\s]+(?=\])"))
# [1] "Berthold Speer was een Duits Duits."

按预期工作，但不完全是我需要的。这个：

str_replace_all(text.raw, "\[\[.*?\]\]", str_extract_all(text.raw, "[a-zA-Z\s]+(?=\])"))
# Error: `replacement` must be a character vector

在我预期的地方出现错误 "Berthold Speer was een Duits architect"

目前我的代码看起来像这样：

text.clean <- data_frame(text = text.raw) %>%
  mutate(text = str_replace_all(text, "\[\[.*?\]\]", str_extract_all(text, "[a-zA-Z\s]+(?=\])")))

我希望有人知道解决方案，或者如果存在一个重复的问题，可以指出我。我想要的输出是 "Berthold Speer was een Duits architect".

Answer 1

您可以使用单个 gsub 操作

text <- "Berthold Speer was een [[Duitsland (hoofdbetekenis)|Duits]] [[architect]]."
gsub("\[{2}(?:[^]|]*\|)?([^]]*)]{2}", "\1", text)

模式将匹配

replace string from tibble with part of that string