提取模式词后的 n 个词
Extract n words after a pattern word
这是我第一次尝试在 R 中使用 gsub 和正则表达式提取字符串。我想在文本的每个单元格中第一次出现单词“at”或“around”后提取三个单词列（示例中的列）并将提取内容放入新列 (new_extract)。
到目前为止我有以下内容：
df$new_extract <- gsub(".*at(\w{1,}){3}).*", "\1", df$col, perl = TRUE)
欢迎任何关于更改/不同方法的建议！
您的正则表达式仅尝试匹配 last at 之后的单词。此外，由于没有匹配 at 或 around 之间的间隙的模式（顺便说一下，你根本没有尝试匹配 around），你的模式将不会提取任何单词结束。
我建议这种方法 sub:
sub(".*?\ba(?:t|round)\W+(\w+(?:\W+\w+){0,2}).*", "\1", df$col, perl=TRUE)
参见regex demo。
这里，
.*? - 从头开始匹配，除换行字符外的任何零个或多个字符尽可能少\ba - 单词边界然后 a(?:t|round) - t 或 round\W+ - 一个或多个非单词字符(\w+(?:\W+\w+){0,2}) - 第 1 组：一个或多个单词字符，然后是零个、一两次出现的一个或多个非单词字符，后跟一个或多个单词字符.* - 尽可能多的除换行符之外的任何零个或多个字符。
这是我第一次尝试在 R 中使用 gsub 和正则表达式提取字符串。我想在文本的每个单元格中第一次出现单词“at”或“around”后提取三个单词列（示例中的列）并将提取内容放入新列 (new_extract)。
到目前为止我有以下内容：
df$new_extract <- gsub(".*at(\w{1,}){3}).*", "\1", df$col, perl = TRUE)
欢迎任何关于更改/不同方法的建议！
您的正则表达式仅尝试匹配 last at 之后的单词。此外，由于没有匹配 at 或 around 之间的间隙的模式（顺便说一下，你根本没有尝试匹配 around），你的模式将不会提取任何单词结束。
我建议这种方法 sub:
sub(".*?\ba(?:t|round)\W+(\w+(?:\W+\w+){0,2}).*", "\1", df$col, perl=TRUE)
参见regex demo。
这里，
.*?- 从头开始匹配，除换行字符外的任何零个或多个字符尽可能少\ba- 单词边界然后a(?:t|round)-t或round\W+- 一个或多个非单词字符(\w+(?:\W+\w+){0,2})- 第 1 组：一个或多个单词字符，然后是零个、一两次出现的一个或多个非单词字符，后跟一个或多个单词字符.*- 尽可能多的除换行符之外的任何零个或多个字符。