正则表达式提取所有后续单词的第一个单词+第一个字符

Question

我是（新手）使用 R 和正则表达式来编写用于操作data.frame列中字符串的正则表达式。我的数据在 R 中是这样的：

c1                       
Peter Parker            
Hawk & Dove             
J Jonah Jameson         
3JPX spo                
Bruce Wayne              

我想要得到的是第二列“c2”，它由以下字符串组成：

c2
PeterP
Hawk&D
JJJ
3JPXs
BruceW

基本上我想要字符串的整个第一个单词（无论长度如何）以及后面每个单词的第一个字母数字元素。我无法为此找到任何功能或逻辑。用正则表达式可以这样做吗？

提前致谢

Answer 1

这是使用的基本 R 方法gsub：

x <- c("Peter Parker", "Hawk & Dove", "J Jonah Jameson", "3JPX spo", "Bruce Wayne")
output <- gsub("\\s+(\\S)\\S*(?!\\S)", "\\1", x, perl=TRUE)
output

[1] "PeterP" "Hawk&D" "JJJ"    "3JPXs"  "BruceW"

regex 模式\s+(\S)\S*(?!\S)匹配一个或多个空格字符，然后匹配并捕获名称组件的第一个字符。它还使用名称组件的其余部分，仅替换为捕获的第一个字符。

如果您对上述内容仍然不清楚，下面是正则表达式模式的工作原理，一步一步：

\s+    match one or more space characters
(\S)   then match AND capture the first character of the name-word
\S*    match the remainder of the name-word
(?!\S) assert that what follows the end of the name-word is either a space
       or the end of the string

调用中的替换gsub是 just \1，它是第一个也是唯一的捕获组，对应于每个名字的第一个字母，超出了第一个名字。