如何根据字符串在R中的位置正确拆分字符串？
我得到一个字符串向量，如下所示：如何根据字符串在R中的位置正确拆分字符串？,r,regex,string,R,Regex,String,我得到一个字符串向量，如下所示： t1 <- " Total" t2 <- " Total
t1 <- " Total"
t2 <- " Total Stock Price"
t3 <- " Dividend Misc Gain MTCC Gain Gain"
t4 <- " Proportion Gain Position Position Position"
t5 <- " Year Dividend Gain Earned (1) x (2) Dividend Gain Misc Gain (4) - (5) (3) - (4) (6) + (7)"
t6 <- " ––––– ––––– ––––– ––––– ––––– ––––– ––––– ––––– –––––"
t <- c(t1, t2, t3, t4, t5, t6)
proportyproportyDividend Gain
–––––
股息收益股息收益如何从t中找到所需的索引？一个解决方案是匹配所有向量的字符位置 首先，如果所有字符串具有相同的字符数，这可能会有所帮助。我们可以通过在末尾添加一些空白来实现这一点
# list string vector --
tl <- as.list(tx)
# make equal length --
tl <- lapply(tl, function(x) {
d <- max(sapply(tl, nchar)) - nchar(x)
if (d > 0) paste(x, Reduce(paste0, rep(" ", d - 1)))
else x
})
# check equal num. of chars.
sd(sapply(tl, nchar))
# [1] 0 # ok
数据
tx一种解决方案是匹配所有向量的字符位置
首先，如果所有字符串具有相同的字符数，这可能会有所帮助。我们可以通过在末尾添加一些空白来实现这一点
# list string vector --
tl <- as.list(tx)
# make equal length --
tl <- lapply(tl, function(x) {
d <- max(sapply(tl, nchar)) - nchar(x)
if (d > 0) paste(x, Reduce(paste0, rep(" ", d - 1)))
else x
})
# check equal num. of chars.
sd(sapply(tl, nchar))
# [1] 0 # ok
数据
tx最难的不是找到最长的单词，而是您拥有的数据结构。弄清楚这些词属于哪一列是相当乏味的。您能否设置字符范围，将每个t#分割为多个字符？你能把每个t#column的前10个字符称为1等吗？@svenhalvorson最好是他给出了一个dput
。如果我们把每个字符的位置看作一个“列”，那么看起来每个数据列之间至少有一个完整的字符列空格。因此，我将首先获取每行空间的字符位置，然后查看这些字符的交点，以找到数据列之间的断点。然后，您可以使用类似于read.fwf
的方法将内容解析为数据列。修剪空白，然后在每列中查找最长的单词是非常简单的。（虽然不规则的右边缘可能会弄乱固定宽度的文件解析器，但可能只需要使用strsplit
或substr
即可。）@jay.sf它可以用有效的语法复制/粘贴，在这里似乎不需要dput
。@Gregor你是对的，已经足够了。最难的是找不到最长的单词，这是您拥有的数据结构。弄清楚这些词属于哪一列是相当乏味的。您能否设置字符范围，将每个t#分割为多个字符？你能把每个t#column的前10个字符称为1等吗？@svenhalvorson最好是他给出了一个dput
。如果我们把每个字符的位置看作一个“列”，那么看起来每个数据列之间至少有一个完整的字符列空格。因此，我将首先获取每行空间的字符位置，然后查看这些字符的交点，以找到数据列之间的断点。然后，您可以使用类似于read.fwf
的方法将内容解析为数据列。修剪空白，然后在每列中查找最长的单词是非常简单的。（虽然不规则的右边缘可能会弄乱固定宽度的文件解析器，但可能只需要使用strsplit
或substr
即可。）@jay.sf它可以复制/粘贴有效的语法，似乎这里不需要dput
。@Gregor你说得对，已经足够了。谢谢，这正是我想要的！谢谢，那正是我想要的！
splitAtCuts <- function(x)
split(x, cut(x, x[which(c(2, diff(x[- length(x)]), length(x)) > 1)],
include.lowest=TRUE, right=FALSE))
# get character position matches --
# step 1
sl <- lapply(tl, function(x) {
w <- which(strsplit(x, "")[[1]] != " ")
return(splitAtCuts(w))
})
# step 2
pos <- sort(Reduce(union, unlist(sl)))
# extract column positions --
cols <- splitAtCuts(pos)
# cut into a matrix --
FUN <- Vectorize(function(x, y)
substring(tl[[x]], min(cols[[y]]), max(cols[[y]])))
M <- outer(seq(length(tl)), seq(length(cols)), FUN)
M <- apply(M, 2, function(x) gsub("^\\s|\\s{2,}|\\s$", "", x))
M
[,1] [,2] [,3] [,4] [,5] [,6]
[1,] "" "" "" "" "" ""
[2,] "" "" "" "Total" "" ""
[3,] "" "" "" "Dividend" "" ""
[4,] "" "" "Proportion" "Gain" "" ""
[5,] "Year" "Dividend Gain" "Earned" "(1) x (2)" "Dividend Gain" "Misc Gain"
[6,] "–––––" "–––––" "–––––" "–––––" "–––––" "–––––"
[,7] [,8] [,9]
[1,] "" "" "Total"
[2,] "" "" "Stock Price"
[3,] "Misc Gain" "MTCC Gain" "Gain"
[4,] "Position" "Position" "Position"
[5,] "(4) - (5)" "(3) - (4)" "(6) + (7)"
[6,] "–––––" "–––––" "–––––"
tx <- c(" Total",
" Total Stock Price",
" Dividend Misc Gain MTCC Gain Gain",
" Proportion Gain Position Position Position",
" Year Dividend Gain Earned (1) x (2) Dividend Gain Misc Gain (4) - (5) (3) - (4) (6) + (7)",
" ––––– ––––– ––––– ––––– ––––– ––––– ––––– ––––– –––––"
)