str_extract: 从字符串中提取第 n 个单词

Question

我知道这个问题已经在好几个地方被问过了，但是我没有看到一个准确的答案。

所以我试图在正则表达式的帮助下从 R 中的字符串 ("trying to") 中准确提取第二个单词。我不想使用 unlist(strsplit)

sen= "I am trying to substring here something, but I am not able to"

str_extract(sen, "trying to\W*\s+((?:\S+\s*){2})")

理想情况下我想得到 "here" 作为输出，但我得到 "trying to substring here"

Answer 1

您可以使用 strsplit。首先将 sen 在 "trying to " 处分成两部分，然后提取第二部分的第二个单词。

sapply(strsplit(sen, "trying to "), function(x) unlist(strsplit(x[2], " "))[2])
#[1] "here"

Answer 2

我们可以使用sub

sub("^.*\btrying to\s+\w+\s+(\w+).*", "\1", sen)
#[1] "here"

Answer 3

你实际上可以捕获你需要的单词 str_match:

str_match(sen, "trying to\W+\S+\W+(\S+)")[,2]

或

str_match(sen, "trying to\s+\S+\s+(\S+)")[,2]

这里，\S+匹配1个或多个非空格字符，\W+匹配1个或多个非单词字符，\s+匹配1+个空格。

请注意，如果您的 "words" 由多个空格（例如标点符号）分隔，请使用 \W+。否则，如果只有空格，请使用 \s+.

[,2] 将访问第一个捕获的值（与第一对未转义括号内的模式部分匹配的文本部分）。

Answer 4

既然你也标记了 stringr，我会 post word 解决方案，

library(stringr)

word(sub('.*trying to ', '', sen), 2)
#[1] "here"

Answer 5

str_split 有时是一个流行的选择。使用 [1,2] 调用第 n 个单词，其中 returns 第二个单词， [1,3] 表示第三个，依此类推。

library(stringr)

#Data
sen= "I am trying to substring here something, but I am not able to"

#Code
str_split(sen, boundary("word"), simplify = T)[1,2]
#> [1] "am"

由 reprex package (v0.2.0) 创建于 2018-08-16。

str_extract: 从字符串中提取第 n 个单词

str_extract: Extracting exactly nth word from a string

regex

string

r

stringr