根据出现时间进行分离和模式匹配

Question

我想在我的数据框中分隔文本中的日期。我的数据如下所示：

tt <- structure(list(V1 = c("(Q)üfür (2013)", "'Bi atlayip çikicam' cümlesini fazla ciddiye aldiysak zaar (2016)", 
"A'dan Z'ye (o biçim) (1975)", "Gün ortasinda karanlik (Anne) (1990)"
), V2 = c("Ilker Savaskurt", "Bugra Gülsoy", "Ahmet Mekin", 
"Yavuzer Çetinkaya")), .Names = c("V1", "V2"), row.names = c(80404L, 
90699L, 34694L, 53178L), class = "data.frame")

我使用此脚本将日期与文本分开。

pattern <- "[()]"
tt$info <- strsplit(tt$V1,pattern)
tt$Title <-sapply(tt$info, `[[`, 1)
tt$Year <- sapply(tt$info, function(m) (m)[2])

它给出了日期，但有些文本有多个括号。日期总是在文本的末尾，因此我需要更改脚本以仅获取第二个括号。

我已经检查了这里的其他问题，但我无法提出解决方案。提前致谢。

Answer 1

使用 stringi 的 stri_extract_last_regex 的选项捕获括号之间的最后一组文本

library(stringi)
stri_extract_last_regex(tt$V1, "(?<=\().*?(?=\))")
#[1] "2013" "2016" "1975" "1990"

Answer 2

通过使用正则表达式，您不需要拆分字符串。试试这个

tt$year=gsub(".*\(([0-9]{4})\).*","\1", tt$V1)

tt
#>                                                                      V1
#> 80404                                                    (Q)üfür (2013)
#> 90699 'Bi atlayip çikicam' cümlesini fazla ciddiye aldiysak zaar (2016)
#> 34694                                       A'dan Z'ye (o biçim) (1975)
#> 53178                              Gün ortasinda karanlik (Anne) (1990)
#>                      V2 year
#> 80404   Ilker Savaskurt 2013
#> 90699      Bugra Gülsoy 2016
#> 34694       Ahmet Mekin 1975
#> 53178 Yavuzer Çetinkaya 1990

解释：正则表达式匹配一对括号中的 4 个数字。 gsub() 提取匹配的数字。

根据出现时间进行分离和模式匹配

Separation and pattern matching according occurrence time

r

pattern-matching

strsplit