R 从文本中提取多个正则表达式
我有以下几点R 从文本中提取多个正则表达式,r,regex,gsub,stringr,alphanumeric,R,Regex,Gsub,Stringr,Alphanumeric,我有以下几点 df = data.frame(id = c(1,2,3), text = c('Label issues as ISS101 and ISS 201 on label 23 with x203 17','issue as ISS5051 with label 01 as l018','there is nothing here') 我想从df中提取并创建以下数据帧 id iss label ext1 ext2 1 ISS101 23 x203 1
df = data.frame(id = c(1,2,3), text = c('Label issues as ISS101 and ISS 201 on label 23 with x203 17','issue as ISS5051 with label 01 as l018','there is nothing here')
id iss label ext1 ext2
1 ISS101 23 x203 17
1 ISS201 23 x203 17
2 ISS5051 01 l018 NA
3 NA NA NA NA
我尝试了使用stringr和dplyr使用正则表达式的各种可能性。但这些都不接近解决方案&因此值得在这里提及。期待帮助，如果您需要更多详细信息，请告诉我。您可以像这样使用
dplyrstringrlibrary(dplyr)
library(stringr)
df2 <- df %>% mutate(iss=str_extract_all(str_replace_all(text,"ISS\\s+(\\d+)","ISS\\1"),
"ISS\\d+"), #remove spaces and then extract ISSnnn
label=str_match(text,"label\\s+(\\d+)")[,2], #extract label + nn
ext1=str_match(text,"label\\s+\\d+.*?([a-z]\\d+)")[,2], #extract Xnnn after label
ext2=str_match(text,"\\s(\\d+)$")[,2]) %>% #extract digits at end of string
unnest(iss) %>% #unnest iss (creates one row for each iss)
select(iss,label,ext1,ext2) #select wanted variables
df2
iss label ext1 ext2
1 ISS101 23 x203 17
2 ISS201 23 x203 17
3 ISS5051 01 l018 <NA>
库（dplyr）
图书馆（stringr）
df2%突变（iss=str\u extract\u all（str\u replace\u all）（文本，“iss\\s+（\\d+），“iss\\1”），
“ISS\\d+”，#删除空格，然后提取ISSnnn
label=str_匹配（文本，“label\\s+（\\d+）”[，2]，#提取label+nn
ext1=str#u match（文本，“label\\s+\\d+.*（[a-z]\\d+））[，2]，#在label之后提取Xnnn
ext2=str#u match（text，“\\s（\\d+）$”[，2]）%>%#提取字符串末尾的数字
unnest（iss）%>%#unnest iss（为每个iss创建一行）
选择（iss、标签、ext1、ext2）#选择所需变量
df2
iss标签ext1 ext2
1 ISS101 23 x203 17
2 ISS201 23 x203 17
3 ISS5051 01 l018
dplyrstringrlibrary(dplyr)
library(stringr)
df2 <- df %>% mutate(iss=str_extract_all(str_replace_all(text,"ISS\\s+(\\d+)","ISS\\1"),
"ISS\\d+"), #remove spaces and then extract ISSnnn
label=str_match(text,"label\\s+(\\d+)")[,2], #extract label + nn
ext1=str_match(text,"label\\s+\\d+.*?([a-z]\\d+)")[,2], #extract Xnnn after label
ext2=str_match(text,"\\s(\\d+)$")[,2]) %>% #extract digits at end of string
unnest(iss) %>% #unnest iss (creates one row for each iss)
select(iss,label,ext1,ext2) #select wanted variables
df2
iss label ext1 ext2
1 ISS101 23 x203 17
2 ISS201 23 x203 17
3 ISS5051 01 l018 <NA>
库（dplyr）
图书馆（stringr）
df2%突变（iss=str\u extract\u all（str\u replace\u all）（文本，“iss\\s+（\\d+），“iss\\1”），
“ISS\\d+”，#删除空格，然后提取ISSnnn
label=str_匹配（文本，“label\\s+（\\d+）”[，2]，#提取label+nn
ext1=str#u match（文本，“label\\s+\\d+.*（[a-z]\\d+））[，2]，#在label之后提取Xnnn
ext2=str#u match（text，“\\s（\\d+）$”[，2]）%>%#提取字符串末尾的数字
unnest（iss）%>%#unnest iss（为每个iss创建一行）
选择（iss、标签、ext1、ext2）#选择所需变量
df2
iss标签ext1 ext2
1 ISS101 23 x203 17
2 ISS201 23 x203 17
3 ISS5051 01 l018
do.call(plyr::rbind.fill,
lapply(df$text, function(x) {
as.data.frame(cbind(
iss = unlist(stringr::str_extract_all(x, "(ISS\\s?\\d{3,4})")),
label = unlist(stringr::str_extract_all(x, "(?<=label)\\s?(\\d{1,2})")),
ext1 = unlist(stringr::str_extract_all(x, "((x|l)\\d{3})")),
ext2 = unlist(stringr::str_extract_all(x, "(?<=x|l\\d{3})\\s?\\d{1,3}"))
))}
))
iss label ext1 ext2
1 ISS101 23 x203 203
2 ISS 201 23 x203 203
3 ISS5051 01 l018 <NA>
do.call（plyr:：rbind.fill，
lappy（df$文本，函数（x）{
as.data.frame（cbind(
iss=unlist（stringr:：str_extract_all（x，“（iss\\s？\\d{3,4}）”），
label=unlist（stringr:：str_extract_all（x），（？这可能是一个开始：
do.call(plyr::rbind.fill,
lapply(df$text, function(x) {
as.data.frame(cbind(
iss = unlist(stringr::str_extract_all(x, "(ISS\\s?\\d{3,4})")),
label = unlist(stringr::str_extract_all(x, "(?<=label)\\s?(\\d{1,2})")),
ext1 = unlist(stringr::str_extract_all(x, "((x|l)\\d{3})")),
ext2 = unlist(stringr::str_extract_all(x, "(?<=x|l\\d{3})\\s?\\d{1,3}"))
))}
))
iss label ext1 ext2
1 ISS101 23 x203 203
2 ISS 201 23 x203 203
3 ISS5051 01 l018 <NA>
do.call（plyr:：rbind.fill，
lappy（df$文本，函数（x）{
as.data.frame（cbind(
iss=unlist（stringr:：str_extract_all（x，“（iss\\s？\\d{3,4}）”），
label=unlist（stringr:：str_extract_all（x），（？根据您的描述，我已经尽了最大的努力。在没有看到更多数据的情况下，我不能保证这将是通用的，但它为您提供的df生成了所需的输出，因此这应该是一个良好的开端
# create data frame
df = data.frame(id = c(1,2,3), text = c('Label issues as ISS101 and ISS 201 on label 23 with x203 17','issue as ISS5051 with label 01 as l018','there is nothing here'))
# parse text into fields
df <- df %>% mutate(
iss = str_extract(text, "ISS\\d+\\D"),
iss_space = str_extract(text, "ISS\\s\\d+\\D"),
label = str_extract(text, "label.+\\D"),
label = str_extract(label, "\\d+\\D"),
ext1 = str_extract(text, "\\s\\D\\d{3}"),
ext2 = str_extract(text, "\\s\\D\\d{3}\\s\\d{2}"),
ext2 = str_extract(ext2, "\\s\\d{2}"))
# clean up into correct format
df <- df %>%
gather(iss, iss_space, key = "type", value = "iss") %>%
select(-text, -type) %>%
distinct() %>%
filter(!(duplicated(id) == T & is.na(iss) == T)) %>%
arrange(id) %>%
select(id, iss, label, ext1, ext2) %>%
mutate(iss = str_replace_all(iss, " ", ""))
df
id iss label ext1 ext2
1 1 ISS101 23 x203 17
2 1 ISS201 23 x203 17
3 2 ISS5051 01 l018 <NA>
4 3 <NA> <NA> <NA> <NA>
#创建数据帧
df=data.frame（id=c（1,2,3），text=c（‘标签号为ISS101，标签号为ISS201，标签号为x203 17’，‘标签号为ISS5051，标签号为l018’，‘此处无任何内容’）
#将文本解析为字段
df%变异(
iss=str_extract（文本，“iss\\d+\\d”），
iss_space=str_extract（文本，“iss\\s\\d+\\d”），
label=str_extract（文本，“label.+\\D”），
label=str_extract（标签“\\d+\\d”），
ext1=str_extract（文本“\\s\\D\\D{3}”），
ext2=str_extract（文本“\\s\\D\\D{3}\\s\\D{2}”），
ext2=str_extract（ext2，“\\s\\d{2}”））
#整理成正确的格式
df%
聚集（iss，iss_空格，key=“type”，value=“iss”）%>%
选择（-text，-type）%%>%
不同的（）%>%
过滤器（！（重复的（id）=T&is.na（iss）==T））%>%
排列（id）%>%
选择（id、iss、标签、ext1、ext2）%>%
变异（iss=str\u替换所有（iss，“，”））
df
id iss标签ext1 ext2
1 ISS101 23 x203 17
2 1 ISS201 23 x203 17
3 2 ISS5051 01 l018
4 3
根据您的描述，我已经尽了最大努力。在没有看到更多数据的情况下，我无法保证这是可以推广的，但它为您提供的df生成了所需的输出，因此这应该是一个良好的开端
# create data frame
df = data.frame(id = c(1,2,3), text = c('Label issues as ISS101 and ISS 201 on label 23 with x203 17','issue as ISS5051 with label 01 as l018','there is nothing here'))
# parse text into fields
df <- df %>% mutate(
iss = str_extract(text, "ISS\\d+\\D"),
iss_space = str_extract(text, "ISS\\s\\d+\\D"),
label = str_extract(text, "label.+\\D"),
label = str_extract(label, "\\d+\\D"),
ext1 = str_extract(text, "\\s\\D\\d{3}"),
ext2 = str_extract(text, "\\s\\D\\d{3}\\s\\d{2}"),
ext2 = str_extract(ext2, "\\s\\d{2}"))
# clean up into correct format
df <- df %>%
gather(iss, iss_space, key = "type", value = "iss") %>%
select(-text, -type) %>%
distinct() %>%
filter(!(duplicated(id) == T & is.na(iss) == T)) %>%
arrange(id) %>%
select(id, iss, label, ext1, ext2) %>%
mutate(iss = str_replace_all(iss, " ", ""))
df
id iss label ext1 ext2
1 1 ISS101 23 x203 17
2 1 ISS201 23 x203 17
3 2 ISS5051 01 l018 <NA>
4 3 <NA> <NA> <NA> <NA>
#创建数据帧
df=data.frame（id=c（1,2,3），text=c（‘标签号为ISS101，标签号为ISS201，标签号为x203 17’，‘标签号为ISS5051，标签号为l018’，‘此处无任何内容’）
#将文本解析为字段
df%变异(
iss=str_extract（文本，“iss\\d+\\d”），
iss_space=str_extract（文本，“iss\\s\\d+\\d”），
label=str_extract（文本，“label.+\\D”），
label=str_extract（标签“\\d+\\d”），
ext1=str_extract（文本“\\s\\D\\D{3}”），
ext2=str_extract（文本“\\s\\D\\D{3}\\s\\D{2}”），
ext2=str_extract（ext2，“\\s\\d{2}”））
#整理成正确的格式
df%
聚集（iss，iss_空格，key=“type”，value=“iss”）%>%
选择（-text，-type）%%>%
不同的（）%>%
过滤器（！（重复的（id）=T&is.na（iss）==T））%>%
排列（id）%>%
选择（id、iss、标签、ext1、ext2）%>%
变异（iss=str\u替换所有（iss，“，”））
df
id iss标签ext1 ext2
1 ISS101 23 x203 17
2 1 ISS201 23 x203 17
3 2 ISS5051 01 l018
4 3
works！！不带走任何东西，你能推荐一份正则表达式备忘单吗？你一直在使用Rstudio@Param当我陷入困境时，我倾向于使用这一个…在我看来，这很好，你可以直接+交互式地测试你的表达式tooworks！！不带走任何东西，你能推荐一个正则表达式备忘单吗？一直在使用Rstudio@Param我当我陷入困境时，倾向于使用这个…在我看来，这很好，你也可以直接+交互地测试你的表达式