R 如何从单个字符串中提取会话语句

我将几个发言者之间的对话记录为一个字符串：

convers <- "Peter: hiya Mary: hi how wz your weekend Peter: ahh still got a headache An you party a lot Mary: nuh you know my kid s sick n stuff Peter: yeah i know thats erm al hamshi: hey guys how s it goin Peter: Great Mary: where ve you been last week al hamshi: ah you know camping with my girl friend"

我还有一个演讲者姓名向量：

speakers <- c("Peter", "Mary", "al hamshi")

使用这个向量作为我的正则表达式模式的一个组成部分，我在这个提取方面做得比较好：

library(stringr)
str_extract_all(convers, 
                paste("(?<=: )[\\w\\s]+(?= ", paste0(".*\\b(", paste(speakers, collapse = "|"), ")\\b.*"), ")", sep = ""))
[[1]]
[1] "hiya"                                        "hi how wz your weekend"                      "ahh still got a headache An you party a lot"
[4] "nuh you know my kid s sick n stuff"          "yeah i know thats erm al"                    "hey guys how s it goin"                     
[7] "Great"                                       "where ve you been last week"

---

然而，第三个演讲者的名字al的第一部分包含在一个摘录的话语中是的，我知道那个是erm al，而演讲者al hamshi ah的最后一句话，你们知道，和我女朋友露营的话，从输出中丢失了。如何改进正则表达式，以便正确匹配和提取所有语句？

如果采用另一种方法会怎么样

从文本中删除所有扬声器并拆分“\\s*：\\s*”上的字符串

---

您可以稍微清理一下输出，以删除其中的第一个空值。

如果您采用另一种方法会怎么样

从文本中删除所有扬声器并拆分“\\s*：\\s*”上的字符串

---

您可以稍微清理一下输出，从中删除第一个空值。

正确的拆分方法如下所示

p2[1]你好 =>[2]嗨，周末过得怎么样 =>[3]啊，还是很头疼，你经常参加聚会 =>[4]不，你知道我的孩子生病了 是的，我知道，呃 =>[6]嘿，伙计们，最近怎么样 =>[7]太好了 =>[8]你上周去哪儿了 =>[9]啊，你知道和我女朋友一起露营吗 从字符串中移除扬声器的正则表达式如下所示

\s*\b？：彼得|玛丽|阿尔哈姆希？=： 看。它会匹配的

\s*-0+空格 \b-单词边界 ？：Peter | Mary | al-hamshi-发言者之一 ？=：-后面必须跟一个：字符。 然后，使用sub^\\W+。。。调用，然后整个字符串用\s*：\s*正则表达式拆分，该正则表达式与包含0+空格的：相匹配

或者，您可以使用

? [3] 啊，还是头疼，你经常参加聚会 =>[4]不，你知道我的孩子生病了 是的，我知道，呃 =>[6]嘿，伙计们，最近怎么样 =>[7]太好了 =>[8]你上周去哪儿了 =>[9]啊，你知道和我女朋友一起露营吗

---

正确的拆分方法如下所示

p2[1]你好 =>[2]嗨，周末过得怎么样 =>[3]啊，还是很头疼，你经常参加聚会 =>[4]不，你知道我的孩子生病了 是的，我知道，呃 =>[6]嘿，伙计们，最近怎么样 =>[7]太好了 =>[8]你上周去哪儿了 =>[9]啊，你知道和我女朋友一起露营吗 从字符串中移除扬声器的正则表达式如下所示

\s*\b？：彼得|玛丽|阿尔哈姆希？=： 看。它会匹配的

\s*-0+空格 \b-单词边界 ？：Peter | Mary | al-hamshi-发言者之一 ？=：-后面必须跟一个：字符。 然后，使用sub^\\W+。。。调用，然后整个字符串用\s*：\s*正则表达式拆分，该正则表达式与包含0+空格的：相匹配

或者，您可以使用

? [3] 啊，还是头疼，你经常参加聚会 =>[4]不，你知道我的孩子生病了 是的，我知道，呃 =>[6]嘿，伙计们，最近怎么样 =>[7]太好了 =>[8]你上周去哪儿了 =>[9]啊，你知道和我女朋友一起露营吗

---

啊，你知道和我女朋友一起露营的事，从那以后还是不见了output@ChrisRuehlemann抱歉，忘记添加|\z选项。现在，它将与您的输入一起工作。谢谢，很棒的东西。我已经调整了我的模式，所以它也可以粘贴？好的，明白了：\z在很大程度上相当于$，匹配字符串的结尾，对吗？@ChrisRuehlemann它们不相等，但您也可以在这里使用$\你知道吗，和我女朋友一起露营的事从现在起就不见了output@ChrisRuehlemann抱歉，忘记添加|\z选项。现在，它将与您的输入一起工作。谢谢，很棒的东西。我已经调整了我的模式，所以它也可以粘贴？好的，明白了：\z在很大程度上相当于$，匹配字符串的结尾，对吗？@ChrisRuehlemann它们不相等，但您也可以在这里使用$\z总是匹配字符串的最末端。这里有两点需要注意：1.如果说话人的名字出现在话语中，它将被删除，无论是较长字符串的一部分，还是只是一个原样的名字。我认为演讲者的名字只有在后面跟一个：。2第一个空项可能不受欢迎，至少它不在预期结果中 ere:1如果一个说话人的名字出现在一个话语中，它将被删除，无论是一个较长字符串的一部分还是一个原样的名字。我认为演讲者的名字只有在后面跟一个：。2第一个空项可能不受欢迎，至少它不在预期结果中。

strsplit(gsub(paste(speakers, collapse = "|"), '', convers), '\\s*:\\s*')[[1]]

# [1] ""                                            "hiya"                                       
# [3] "hi how wz your weekend"                      "ahh still got a headache An you party a lot"
# [5] "nuh you know my kid s sick n stuff"          "yeah i know thats erm"                      
# [7] "hey guys how s it goin"                      "Great"                                      
# [9] "where ve you been last week"                 "ah you know camping with my girl friend"