Regex 如何在R中使用非最新标记在连字符上标记

我试图标记一个包含字符串的数据帧。有些包含连字符，我想使用unnest_标记对连字符进行标记（）

我已尝试将tidytext从0.1.9升级到0.2.0 我在正则表达式上尝试了许多变体来捕获连字符：

df <- data.frame(words = c("Solutions for the public sector | IT for business", "Transform the IT experience - IT Transformation - ITSM")

df %>% 
unnest_tokens(query, words, 
                token = "regex",
                pattern = "(?:\\||\\:|[-]|,)")

相反，我得到了标记化的无连字符行：

query
solutions for the public sector
it for business

你可以用

library(stringr)
df %>%  
  unnest_tokens(query, words, token = stringr::str_split, pattern = "[-:,|]")

---

此命令将使用

stringr:：str_split

根据

[-：，|]

模式进行拆分：

-

，

：

，

或
字符。注意，它们不需要在字符类/括号表达式中转义。当连字符是第一个或最后一个字符时，不需要对其进行转义，其他字符在字符类中并不特殊。
尝试
df%>%n最新的标记（查询，单词，标记=stringr:：str_split，pattern=“[-：，|]”
library(stringr)
df %>%  
  unnest_tokens(query, words, token = stringr::str_split, pattern = "[-:,|]")