Regex R正则表达式：提取脚本中的说话人

我想使用R从如下示例中格式的脚本中提取说话人：

“第六幕：第二个领主：不，好的，我的主人，让他去吧；让他按自己的方式去做。第一领主：如果你的领主发现他不是一个希尔丁，请不要再尊敬我了。第二主：我的生命，我的主，一个泡沫。伯特伦：你认为我在他身上受骗了吗？二主：相信吧，我的主，据我自己所知，毫无恶意，但说他是我的亲属，他是一个最著名的懦夫，一个无穷无尽的骗子，一个每小时都在违背诺言的人，没有一个品质好的人值得阁下娱乐。”

在这个例子中，我想摘录：（“第二领主”、“第一领主”、“第二领主”、“伯特伦”、“第二领主”）。规则很明显：它是位于句子末尾和半列之间的一组单词

---

我如何用R写这个？

可能是这样的：

library(stringr)  
body <- "Scene 6: Second Lord: Nay, good my lord, put him to't; let him have his way. First Lord: If your lordship find him not a hilding, hold me no more in your respect. Second Lord: On my life, my lord, a bubble. BERTRAM: Do you think I am so far deceived in him? Second Lord: Believe it, my lord, in mine own direct knowledge, without any malice, but to speak of him as my kinsman, he's a most notable coward, an infinite and endless liar, an hourly promise-breaker, the owner of no one good quality worthy your lordship's entertainment." 
p <- str_extract_all(body, "[:.?] [A-z ]*:")

# and get rid of extra signs
p <- str_replace_all(p[[1]], "[?:.]", "")
# strip white spaces
p <- str_trim(p)
p
"Second Lord" "First Lord"  "Second Lord" "BERTRAM"     "Second Lord"

# unique players
unique(p)
[1] "Second Lord" "First Lord"  "BERTRAM"  

---

gsubfn/strapplyc

尝试此操作，其中

x

是输入字符串。此处

Straplyc

返回括号内的匹配部分：

> library(gsubfn)
> strapplyc(x, "[.?:] *([^:]+):", simplify = c)
[1] "Second Lord" "First Lord"  "Second Lord" "BERTRAM"     "Second Lord"

gregexpr

这里是第二种方法。它不使用外部包。这里我们计算开始和结束位置（

start.pos

和

end.pos

），然后提取它们定义的字符串：

> pos <- gregexpr("[.?:] [^:]+:", x)[[1]]
> start.pos <- pos + 2
> end.pos <- start.pos + attr(pos, "match.length") - 4
> substring(x, start.pos, end.pos)
[1] "Second Lord" "First Lord"  "Second Lord" "BERTRAM"     "Second Lord"

>pos start.pos end.pos子字符串（x，start.pos，end.pos）
[1] “二等勋爵”“一等勋爵”“二等勋爵”“伯特伦”“二等勋爵”

至少在这种情况下，更好的解决方案是以更结构化的形式搜索文本。挖掘结构化文档几乎总是比非结构化文档更容易。因为源代码是莎士比亚，所以互联网上有很多副本

script_url <- "http://www.opensourceshakespeare.org/views/plays/play_view.php?WorkID=allswell&Act=3&Scene=6&Scope=scene"
doc <- htmlParse(script_url)
character_links <- xpathApply(doc, '//li[@class="playtext"]/strong/a')
characters <- unique(sapply(character_links, xmlValue))
#[1] "Second Lord" "First Lord"  "Bertram"     "Parolles"

---

script\u url非常感谢！还有一件事：如何获取表达式在字符串中的位置？是否愿意解释regex语句的作用？@cafe876我认为这需要另一个问题。提示：
gregexpr（“第二主：”，body）
。非常感谢添加这两种方法！非常感谢。
script_url <- "http://www.opensourceshakespeare.org/views/plays/play_view.php?WorkID=allswell&Act=3&Scene=6&Scope=scene"
doc <- htmlParse(script_url)
character_links <- xpathApply(doc, '//li[@class="playtext"]/strong/a')
characters <- unique(sapply(character_links, xmlValue))
#[1] "Second Lord" "First Lord"  "Bertram"     "Parolles"

script_url2 <- "http://www.bartleby.com/70/2236.html"
doc2 <- htmlParse(script_url2)
tbl <- xpathApply(doc2, '//table[@width="100%"]')[[1]]
italics <- xpathApply(tbl, '//tr/td/i')
characters2 <- unique(sapply(italics, xmlValue))
#[1] "First Lord." "Sec. Lord."  "Ber."        "Par."        "hic jacet."  "Exit."      
#[7] "Ber"         "Exeunt."