如何搜索每次不完全相同的模式？

Question

我有一个这样的列表:

 list <- c("xxx 23 cut", "yyy", "zzz", "www 55 cut", "kkk", "ggg", "yyy", "eee 7 cut", "ccd" )

在这种情况下,搜索模式是"任意数字切割".因此,为了以更好的方式可视化列表,列表具有以下模式

"before item (=xxx) "  "any number cut (= 23 cut)"
"after item (=yyy)"
"after item (=zzz)"
"before item (=www) "  "any number cut (= 55 cut)"
"after item (=kkk)"
"after item (=ggg)"
"after items (=yyy)"
"before item (=eee) "  "any number cut (= 7cut)"
"after item (=cce)"

我想将"之前的项目"放在第1列,直到找到另一个"任意数字切割"模式,然后将"之后的项目"放到第2列.最终结果如下:

xxx yyy
xxx zzz
www kkk
www ggg
www yyy
eee ccd

专家可以教我如何使用R吗？我从以前的stackoverflow消息中学到了R可以搜索固定项目(例如剪切)并将它们分成不同的单元格.这里(对我来说)的挑战是搜索模式正在改变,"切割"一词之前的数字对于它们中的每一个都是不同的.使用R在正确的地方搜索和剪切它的最有效方法是什么？

Answer 1

以下内容适用于您的示例数据:

x <- c("xxx 23 cut", "yyy", "zzz", "www 55 cut", "kkk", "ggg", "yyy", "eee 7 cut", "ccd" )

首先,创建一个用于的regex模式grep:以下模式搜索数字(\ d),后跟空格和单词cut.查看?regexp并?grep了解详情.

cut_pattern <- "\\d* cut"

cut_positions <- grep(cut_pattern, x)
cut_repeat <- c(cut_positions[-1], length(x) + 1) - cut_positions -1
before_items <- rep(x[cut_positions], times=cut_repeat)
after_items <- x[!grepl(cut_pattern, x)]

data.frame(
    before = before_items,
    after  = after_items
)

结果:

      before after
1 xxx 23 cut   yyy
2 xxx 23 cut   zzz
3 www 55 cut   kkk
4 www 55 cut   ggg
5 www 55 cut   yyy
6  eee 7 cut   ccd

我将把它作为练习留给你清理第1列中的数据.提示:str_extract在包中使用stringr.你可以参考这个问题:如何在R中使用带有`grep`的引用？有关如何执行此操作的示例.进一步提示,你的模式应该是这样的"(.*) \\d* cut".