R 不列出保持相同数量的元素（矢量化）

我试图从一些tweet中提取所有hashtags，并为每个tweet获取一个包含所有hashtags的字符串。 我正在使用

stru extract

from

stringr

，因此我获得了一个字符向量列表。我的问题是，我没有设法取消它的列表，并保持列表中相同数量的元素（即推文的数量）。 例如：

这是长度为3的tweet向量：

a <- "rt @ugh_toulouse: #mondial2014 : le top 5 des mannequins brésiliens http://www.ladepeche.fr/article/2014/06/01/1892121-mondial-2014-le-top-5-des-mannequins-bresiliens.html #brésil "
b <- "rt @30millionsdamis: beauté de la nature : 1 #baleine sauve un naufragé ; elles pourtant tellement menacées par l'homme... http://goo.gl/xqrqhd #instinctanimal "
c <- "rt @onlyshe31: elle siège toujours!!!!!!!  marseille. nouveau procès pour la députée - 01/06/2014 - ladépêche.fr http://www.ladepeche.fr/article/2014/06/01/1892035-marseille-nouveau-proces-pour-la-deputee.html #toulouse "
all <- c(a, b, c)

如果我现在使用

unlist

我得到一个长度为5的向量：

undesired <- unlist(ex)
> undesired
[1] "#mondial2014 "    "#brésil "        
[3] "#baleine "        "#instinctanimal "
[5] "#toulouse " 

不想要的不想要的
[1] “#mondial2014”“#brésil”
[3] “#baleine”“本能动物”
[5] “图卢兹”

我想要的是下面这样的东西。然而，这是非常低效的，因为它不是矢量化的，而且在一个很小的tweet数据帧上需要永远（真的！）：

desired <- c()
for (i in 1:length(ex)){
  desired[i] <- paste(ex[[i]], collapse = " ")
}

> desired
[1] "#mondial2014  #brésil "    
[2] "#baleine  #instinctanimal "
[3] "#toulouse " 

---

所需您可以使用
stringi
，这对于大型数据集来说可能更快

library(stringi)
sapply(stri_extract_all_regex(all, '#(.+?)[ |\n]'), paste, collapse=' ')
#[1] "#mondial2014  #brésil "     "#baleine  #instinctanimal "
#[3] "#toulouse " 

如果
preassign
输出
所需的长度

desired <- numeric(length(ex))
for (i in 1:length(ex)){
  desired[i] <- paste(ex[[i]], collapse = " ") 
}

或者按照@Ananda Mahto的建议

 vapply(stri_extract_all_regex(all, '#(.+?)[ |\n]'),
              stri_flatten, character(1L), collapse = " ")

您的正则表达式效率低下，而且有点错误。（你不应该有一个
+
修饰符和一个
？
修饰符，而与
的匹配很慢。）试试
“#（[[：alpha:][[：alnum:]*）”
。（但请仔细检查这是否适用于您所在地区的unicode字符。另请参阅）非常好的建议。我最后在我的数据
data$hashtags上使用了这个，我会被
desired
sapply（stri_extract\u all\u regex（all。非常感谢你们两位。@akrun，为什么不把所有的东西都串起来呢<代码>vapply（stri_extract_all_regex（all），#（.+？）[|\n]），stri_展平，字符（1L），collapse=“”）
？：-）
vapply(ex, toString, character(1))
#[1] "#mondial2014 , #brésil "     "#baleine , #instinctanimal "
#[3] "#toulouse "                 

 vapply(stri_extract_all_regex(all, '#(.+?)[ |\n]'),
              stri_flatten, character(1L), collapse = " ")