在关键字之后立即选择单词答案

【问题标题】：Selecting the word immediately after a keyword在关键字之后立即选择单词
【发布时间】：2015-05-01 11:17:17
【问题描述】：

我正在尝试使用 R 立即将单词提取为关键字。我对正则表达式没有太多经验，因此到目前为止我发现的所有内容都对我没有多大帮助。如果我可以让函数返回多个实例，那将是理想的。

例如，如果我的关键字是 the 而我的字符串是：

The yellow log is in the stream

它将返回 yellow 和 stream。

我找到了这个solution for c#，它看起来和我想要的完全一样，但是我在 R 中实现它时遇到了麻烦。

【问题讨论】：

尝试显示您目前拥有的一些代码。

标签： regex r

【解决方案1】：

你可以试试

library(stringr)
str_extract_all(str1, perl('(?<=\\b(?i)The )\\w+'))[[1]]
#[1] "yellow" "stream"

或使用stringi

library(stringi)
stri_extract_all_regex(str1, '(?<=\\b(?i)The )\\w+')[[1]]
 #[1] "yellow" "stream"

编辑：根据@Roland 在 cmets 中的建议进行了更改。

数据

str1 <- 'The yellow log is in the stream'

【讨论】：

谢谢，由于某种原因，这给出了“perl is deprecated”警告。
@brknparticle 我正在使用stringr_0.6.2，但没有收到任何警告
@brknparticle 可以试试我刚刚更新的stringi 方法吗

【解决方案2】：

将key 分配给您想要使用的任何字符串

key <- 'the'
p <- "The yellow log is in the stream" 
regmatches(p, gregexpr(sprintf('(?i)(?<=%s\\s)\\w+', key), p, perl = TRUE))[[1]]
# [1] "yellow" "stream"

或者正如@Roland 指出的那样，在关键字周围使用单词边界来避免这种情况会更安全：

key <- 'the'
p <- "The yellow log is in the stream drinking absinthe and beer"
regmatches(p, gregexpr(sprintf('(?i)(?<=%s\\s)\\w+', key), p, perl = TRUE))[[1]]
# [1] "yellow" "stream" "and"   

regmatches(p, gregexpr(sprintf('(?i)(?<=\\b%s )\\w+', key), p, perl = TRUE))[[1]]
# [1] "yellow" "stream"

【讨论】：

我会使用"(?<=(\\b[Tt]he ))\\w+"。边界一词在这里似乎是必要的。
谢谢，这正是我所需要的。最后的 [[1]] 是做什么的？
@brknparticle regmatches 正在解释来自gregexpr 的匹配数据列表，因此它返回一个列表。您只需选择列表的第一个元素即可获得匹配项

【解决方案3】：

这里是非regex的解决方案：

mytext <- "The yellow log is in the stream"
mykey <- "the"

x <- unlist(strsplit(mytext," "))

x[which(tolower(x)==mykey)+1]

【讨论】：

这段代码对我来说实际上很有意义，所以我选择了它作为最好的。谢谢。
请注意，这也将返回紧跟在键之后的单词的任何标点符号（因此可能需要在例如列表词频之前进一步清理）。

【解决方案4】：

试试这个：这会返回“黄色”和“流”

x <- "The yellow log is in the stream"

regmatches(x, gregexpr("(?:(?:T|t)he)\\s(\\w+)", x, perl = TRUE))[[1]]
## [1] "The yellow" "the stream"

【讨论】：

【解决方案5】：

我维护的 qdapRegex 包在 regex_supplement 字典中有一个正则表达式 after_ 非常适合这个。您可以使用rm_ 制作自己的after_the 函数：

library(qdapRegex)

x<- "The yellow log is in the stream"
after_the <- rm_(pattern = S("@after_", "[Tt]he"), extract = TRUE)
after_the(x)

## [[1]]
## [1] "yellow" "stream"

S 函数是 sprintf 的包装器，可让您轻松地将元素（如本例中的“the”）传递给生成的基本正则表达式：

S("@after_", "the", "The")
## [1] "(?<=\\b(the|The)\\s)(\\w+)"

编辑

library(qdapRegex)

x<- c("The yellow log is in the stream", "I like the one box for a pack")
after_ <- rm_(extract = TRUE)
after_the(x)

after_ <- rm_(extract = TRUE)

words <- c("the", "a", "one")

setNames(lapply(words, function(y){
    after_(x, pattern = S("@after_", y, TC(y)))
}), words)


## $the
## $the[[1]]
## [1] "yellow" "stream"
## 
## $the[[2]]
## [1] "one"
## 
## 
## $a
## $a[[1]]
## [1] NA
## 
## $a[[2]]
## [1] "pack"
## 
## 
## $one
## $one[[1]]
## [1] NA
## 
## $one[[2]]
## [1] "box"

【讨论】：

这听起来很有趣。我可以在这里传递一个关键字列表，例如c("the", "a", "one") 并在每个关键字之后选择它吗？
查看我对这种方法的编辑。你还是想loop它
好的，很好。我已经解决了我的问题，但这看起来是一种非常优雅的方法。我会看看是否可以让它为我工作。谢谢。