r - 字符串:提取包含特定单词的单词

考虑这个简单的例子

dataframe <- data_frame(text = c('WAFF;WOFF;WIFF200;WIFF12',
                                 'WUFF;WEFF;WIFF2;BIGWIFF'))

> dataframe
# A tibble: 2 x 1
                      text
                     <chr>
1 WAFF;WOFF;WIFF200;WIFF12
2  WUFF;WEFF;WIFF2;BIGWIFF

在这里，我要提取包含WIFF的单词，也就是说，我要以这样的数据框结尾

> output
# A tibble: 2 x 1
            text
           <chr>
1 WIFF200;WIFF12
2  WIFF2;BIGWIFF

我尝试使用

dataframe %>%
  mutate( mystring = str_extract(text, regex('\bwiff\b', ignore_case=TRUE)))

但这只会重新调整NA。有任何想法吗？

谢谢！

最佳答案

您似乎想删除所有包含WIFF和尾随;的单词（如果有的话）。用

> dataframedataframe <- data.frame(text = c('WAFF;WOFF;WIFF200;WIFF12', 'WUFF;WEFF;WIFF2;BIGWIFF'))
> dataframe$text <- str_replace_all(dataframe$text, "(?i)\\b(?!\\w*WIFF)\\w+;?", "")
> dataframe
            text
1 WIFF200;WIFF12
2  WIFF2;BIGWIFF

模式(?i)\\b(?!\\w*WIFF)\\w+;?匹配：


(?i)-不区分大小写的内联修饰符
\\b-单词边界
(?!\\w*WIFF)-否定的超前查询将在单词中包含WIFF的任何匹配项均失败
\\w+-1个或多个字字符
;?-可选的;（?匹配1或0次其修改的模式）


如果出于某些原因要使用str_extract，请注意您的正则表达式将无法正常运行，因为\bWIFF\b matches a whole word WIFF以及其他所有功能都无法使用。 DF中没有这样的单词。您可以使用"(?i)\\b\\w*WIFF\\w*\\b"匹配内部带有WIFF的任何单词（不区分大小写），并使用str_extract_all多次出现，并且不要忘记将匹配项组合成单个“字符串”：

> df <- data.frame(text = c('WAFF;WOFF;WIFF200;WIFF12', 'WUFF;WEFF;WIFF2;BIGWIFF'))
> res <- str_extract_all(df$text, "(?i)\\b\\w*WIFF\\w*\\b")
> res
[[1]]
[1] "WIFF200" "WIFF12"

[[2]]
[1] "WIFF2"   "BIGWIFF"

> df$text <- sapply(res, function(s) paste(s, collapse=';'))
> df
            text
1 WIFF200;WIFF12
2  WIFF2;BIGWIFF

您可以通过将str_extract_all放入sapply函数中来“缩小”代码，我将它们分开以提高可视性。