尝试使用R中的正则表达式将在线表单中的问题与答案分开

我正在将表格读入R中的数据框中。其中一列包含表格的内容，包括问题和答案。我试图把这两个问题分开，而不是把每一个不同形式的问题都组合起来。数据的结构如下所示

text <- c('Select the benefit your question is related to: Life or AD&D Insurance\r\n What is your question?: I am interested in purchasing additional life insurance and was wondering if someone could assist me with locating my most recent Life Insurance Statement.\r\n')

number <- c(1)

df <- data.frame(number,text) 

所以每个问题都从一行开始，以冒号结束

---

因此，我想以问题列表和相应答案列表作为结束。

首先，将文本分成几行。然后，一个简单的正则表达式允许您提取问题和答案

Lines = unlist(strsplit(text, "\r\n"))

Questions = sub("(.*?):.*", "\\1", Lines)
Answers   = sub(".*?:(.*)", "\\1", Lines)

Questions
[1] "Select the benefit your question is related to"
[2] " What is your question?"                       
Answers
[1] " Life or AD&D Insurance"                                                                                                                                     
[2] " I am interested in purchasing additional life insurance and was wondering if someone could assist me with locating my most recent Life Insurance Statement."

最快的方法是使用gsub，有效的代码是：

df<-data.frame(question=gsub("[?][:].*","?",text), answer=gsub(".*[?:]","",text),id=1)

问题是:

df$question
[1] Select the benefit your question is related to: Life or AD&D Insurance\r\n What is your question?

使用stringr:：str_match_all:

---

伟大的这起作用了。有两个问题有两个对应的答案。这几乎奏效了，但第一个问题的结尾是：不是？：所以第一个答案被挤在两个问题之间。可能可以修改模式以获得这两个问题。这非常有效。我有数千个问题，每组问题都与df$id中的唯一标识符存储相关联。如何将此标识符添加到结果中，以便检索与特定id关联的所有问题？@user3482393检查更新的答案。有几件事。这在大多数情况下都有效，但有些失败了。如果所有项目都有两个或两个以上的问题，它就可以工作。但有些项目只有一个问题和一个答案。因此，当我们试图将列表转换为数据帧时，它失败了。您还可以解释正则表达式语句“\\s**？：\\s**？\r\n”以及lapply中functionx x[，-1]的函数。谢谢

df$question
[1] Select the benefit your question is related to: Life or AD&D Insurance\r\n What is your question?

tmp <- lapply(stringr::str_match_all(df$text, '\\s*(.*?):\\s*(.*?)\r\n'), 
               function(x) x[, -1])
result <- cbind(id = rep(df$number, sapply(tmp, nrow)), 
                do.call(rbind.data.frame, tmp))
names(result) <- c('question', 'answer')
result