R中基于条件的文本提取

我对R比较陌生。我有一个名为

RN

的字符变量，根据

RN

上的一些条件，需要将其文本提取为两个变量[

named\u RN

和

general\u RN

]。这就是所需的结果（目前，

命名的\u RN

和

常规\u RN

为空-我不知道如何编写此部分，这就是我需要帮助的地方！）：

如您所见，我试图提取括号内的信息。但是，如果代码为

0

，我想从

RN

提取到

general\u RN

，如果代码为非零，则提取到

named\u RN

<> >我遇到的主要问题是我不能按照<代码> 0（<代码>或<代码> 0（<代码> >前0中的空格，因为有时代码< 0代码>代码>在代码的中间开始，如在最后一行中的代码> RN<代码），因为一些代码< No.Eng> RN< <代码>结束，代码< > > 0。（与最后一行的情况相同

请告知

---

谢谢！

我确实使用了

gsub

，我还使用了

stringr

中的

string\u match\u all

要解决您提到的问题（代码可能包含0），您可以使用

\\b

断言来限制0不是较长字符串的一部分

首名

library(stringr)

## named_RN 
namedTemp = gsub("\\b0\\s+\\((.*?)\\)\\s*", "", RN)
namedTemp = sapply(str_extract_all(namedTemp, "\\([^\\)]+\\)"), 
            paste, collapse=", ")
(named_RN  = gsub("[()]", "", namedTemp))
[1] "Pentazocine" ""            "Amino"       "Amiodarone"

然后是将军

## general_RN 
generalTemp = sapply(str_extract_all(RN, "\\b0\\s+\\((.*?)\\)"), 
    paste, collapse=", ")
generalTemp = gsub("\\b0\\s+", "", generalTemp)
(general_RN = gsub("[()]", "", generalTemp))
[1] ""              "Complement C4" "Aminocap"      "Benzo, Ferri" 

---

这里有一种方法。基本上，我创建了一个新列，其中匹配项更容易检测。然后，我用

regmatches

匹配括号内的内容

df <- read.table(text="RN
'RP4A60D26L (Pentazocine)'
'0 (Complement C4)'
'0 (Aminocap) U6206 (Amino)'
'N3R30 (Amiodarone) 0 (Benzo) 0 (Ferri)'",header=TRUE,stringsAsFactors=FALSE)

df$RN_temp <- gsub("^[0] "," general_RN",df$RN) #replace leading 0s w/ general_RN
df$RN_temp <- gsub(" [0] "," general_RN",df$RN_temp) #replace other " 0 "
df$RN_temp <- gsub(" \\("," named_RN(",df$RN_temp) #replace rest w/ named_RN
df$RN_temp

df$named_RN <- regmatches(df$RN_temp,gregexpr("(?<=named_RN\\().*?(?=\\))",
                df$RN_temp, perl=TRUE))
df$general_RN <- regmatches(df$RN_temp,gregexpr("(?<=general_RN\\().*?(?=\\))", 
                  df$RN_temp, perl=TRUE))
df$RN_temp <- NULL
df

---

因此RN包含一个对列表，其中对的第一个元素为“0”或者别的什么，这对代码的第二个元素是插入项？当然，这是一种看待它的方式。它不是列表格式。它只是字符。哦，这几乎奏效了！除了一些

命名的\u RN

代码看起来像9002-68-0，在这种情况下，您的代码将其标记为

通用\u RN

，而不是

named_RN.

woah，这很有效！我也很喜欢你的算法。我需要更多地研究regmatches/gregexpr并彻底学习这些函数。所有的（？/*c（“苯并”，“铁”）或

字符（0）

如果它是空的。我怎样才能将它改为简单的

苯并、费里

和一个空字符串呢？不知道为什么我不能取消列表…不过我会多玩一会儿。我不能，例如

df$general\u RN hm，因为
命名的\u RN
它只保留每个列表的第一个元素，当我想保留所有元素时。对于
general>_RN
我在

$

df <- read.table(text="RN
'RP4A60D26L (Pentazocine)'
'0 (Complement C4)'
'0 (Aminocap) U6206 (Amino)'
'N3R30 (Amiodarone) 0 (Benzo) 0 (Ferri)'",header=TRUE,stringsAsFactors=FALSE)

df$RN_temp <- gsub("^[0] "," general_RN",df$RN) #replace leading 0s w/ general_RN
df$RN_temp <- gsub(" [0] "," general_RN",df$RN_temp) #replace other " 0 "
df$RN_temp <- gsub(" \\("," named_RN(",df$RN_temp) #replace rest w/ named_RN
df$RN_temp

df$named_RN <- regmatches(df$RN_temp,gregexpr("(?<=named_RN\\().*?(?=\\))",
                df$RN_temp, perl=TRUE))
df$general_RN <- regmatches(df$RN_temp,gregexpr("(?<=general_RN\\().*?(?=\\))", 
                  df$RN_temp, perl=TRUE))
df$RN_temp <- NULL
df

df$named_RN <- unlist(lapply(df$named_RN, function(x) ifelse(is.null(x), NA, x)))
df$general_RN <- unlist(df$general_RN)

'data.frame':   4 obs. of  3 variables:
 $ RN        : chr  "RP4A60D26L (Pentazocine)" "0 (Complement C4)" "0 (Aminocap) U6206 (Amino)" "N3R30 (Amiodarone) 0 (Benzo) 0 (Ferri)"
 $ named_RN  : chr  "Pentazocine" NA "Amino" "Amiodarone"
 $ general_RN: chr  "Complement C4" "Aminocap" "Benzo" "Ferri"
                                      RN    named_RN    general_RN
1               RP4A60D26L (Pentazocine) Pentazocine              
2                      0 (Complement C4)             Complement C4
3             0 (Aminocap) U6206 (Amino)       Amino      Aminocap
4 N3R30 (Amiodarone) 0 (Benzo) 0 (Ferri)  Amiodarone  Benzo, Ferri