R：替换缩写词\单词

Question

我已经尝试解决这个问题一整天了，但没有任何改善。

我正在尝试将以下缩写替换为我的数据集中的以下所需词：

-缩写： USA, H2O, Type 3, T3, bp

需要的词 美利坚合众国，水，第 3 类疾病，第 3 类疾病，血压

输入数据例如

[1] 我患有 类型 3，它被认为是疾病的最严重阶段。
[2]多喝H2O皮肤会发光
[3] 我有 T2 还是 T3？请有人帮忙。
[4] 美国上没有这个，但我听说将在未来 3 年内提供。
[5] bp 意味着我必须注意饮食？

期望的输出是

[1] 我患有 3 型疾病，它被认为是最严重的阶段的疾病。
[2]多喝水会让你的皮肤焕发光彩。
[3] 我是否患有 3 型疾病？请有人帮忙。
[4] 我们在 美利坚合众国 没有这个，但我听说将在未来 3 年内提供。
[5]血压高意味着我必须注意饮食？

我尝试了以下代码但没有成功:

   data= read.csv(C:"xxxxxxx, header= TRUE")
   lowercase= tolower(data$MESSAGE)
   dict=list("\busa\b"= "united states of america", "\bh2o\b"= 
   "water", "\btype 3\b|\bt3\"= "type 3 disease", "\bbp\b"= 
   "blood pressure")
   for(i in 1:length(dict1)){
   lowercasea= gsub(paste0("\b", names(dict)[i], "\b"), 
   dict[[i]], lowercase)}

我知道我肯定做错了什么。有人可以指导我吗？提前谢谢你。

Answer 1

如果您只需要替换整个单词（例如 Some bp. 中的 bp 而不是 bpcatalogue 中的），您将必须使用单词边界从缩写中构建正则表达式, 并且 - 因为你有多个单词的缩写 - 也按长度降序对它们进行排序（或者，例如 type 可能会在 type three 之前触发替换）。

示例代码：

abbreviations <- c("USA", "H2O", "Type 3", "T3", "bp")
desired_words <- c("United States of America", "Water", "Type 3 Disease", "Type 3 Disease", "blood pressure")
df <- data.frame(abbreviations, desired_words, stringsAsFactors = FALSE)
x <- 'Abbreviations: USA, H2O, Type 3, T3, bp'
sort.by.length.desc <- function (v) v[order( -nchar(v)) ]

library(stringr)
str_replace_all(x, 
    paste0("\b(",paste(sort.by.length.desc(abbreviations), collapse="|"), ")\b"), 
    function(z) df$desired_words[df$abbreviations==z][[1]][1]
)

paste0("\b(",paste(sort.by.length.desc(abbreviations), collapse="|"), ")\b") 代码创建了一个像 \b(Type 3|USA|H2O|T3|bp)\b 这样的正则表达式，它匹配 Type 3 或 USA 等，因为 \b 是整个单词单词边界。如果找到匹配项，stringr::str_replace_all 会将其替换为相应的 desired_word.

参见R demo online。

R：替换缩写词\单词

R: Replace Abbreviations\ Words

r

gsub

abbreviation