R 提取两个字符之间的文本字符串部分

我是新来的R，仍在学习中，因此我非常感谢任何帮助或建议

我有不同的字符串，类似于：

"Department of Biophysical Chemistry, University of Braunschweig, Braunschweig, Germany; Consejo Superior de Investigaciones Científicas, CCHS, Madrid, Spain;"

然后，我只想提取这些字符串中的国家名称，包括分号，即：

"Germany; Spain;"

---

我面临的问题是如何从最后一次昏迷中提取分号，并重复这样做。我尝试过使用gsub函数，但未能找到正确的方法。

我们可以尝试使用

strsplit

以及

sub

来选择基本R选项：

x <- "Department of Biophysical Chemistry, University of Braunschweig, Braunschweig, Germany; Consejo Superior de Investigaciones Científicas, CCHS, Madrid, Spain;"
terms <- sapply(strsplit(x, ";\\s*")[[1]], function(x) {
    sub("^.*\\s+", "", x)
})
output <- paste0(terms, ";", collapse=" ")
output

[1] "Germany; Spain;"

---

x对于测试输入，制作一个3分量向量
s
，如末尾的注释所示，这样我们可以看到它适用于多行，这里只有三行

现在，我们可以使用gsubfn包中的
strapply
获得一个单线解决方案。我们匹配指示的模式，只返回与捕获组的匹配，即括号内的部分。然后，对于每一行，我们使用
sapply
将匹配项粘贴在一起

library(gsubfn)

sapply(strapply(s, ", ([^,;]+;)"), paste, collapse = " ")

给予：

[1] "Germany; Spain;" "Germany; Spain;" "Germany; Spain;"

注
s1我只需找到
前面的最后一个逗号gsub
调用，即可捕获所有内容。这也适用于向量

gsub(".*?(=?[^,]*;)", "\\1", x, perl = TRUE)
# [1] " Germany; Spain;"

使用正则表达式很容易做到这一点，但如果您只对国家名称或特定类型的信息感兴趣，您应该利用
NER
。感谢大家的帮助和时间！关于上述建议，我还有一个小问题。在某些情况下，如“美国”、“俄罗斯联邦”或类似情况，只给出国家名称的最后一个词，即：“国家”、“联邦”。如何获得具有多个术语的国家的全称？再次感谢并为可能带来的不便表示歉意。请删除表达式中的空格。e、 例如，
gsub（“*？（=？[^，]*；）”，“\\1”，x，perl=TRUE）
。虽然这会在一开始创造一个额外的空间。
gsub(".*?(=?[^,]*;)", "\\1", x, perl = TRUE)
# [1] " Germany; Spain;"