按句子中的最后一个单词拆分列答案

【问题标题】：Split column by last word in sentence按句子中的最后一个单词拆分列
【发布时间】：2013-03-10 11:43:47
【问题描述】：

YARQ（又一个正则表达式问题）。

我将如何将以下内容分成两列，确保最后一列包含句子中的最后一个单词，而第一列包含其他所有内容。

x <- c("This is a test",
       "Testing 1,2,3 Hello",
       "Foo Bar",
       "Random 214274(%*(^(* Sample",
       "Some Hyphenated-Thing"
       )

这样我最终得到：

col1                         col2
this is a                    test
Testing 1,2,3                Hello
Foo                          Bar
Random 214274(%*(^(*         Sample
Some                         Hyphenated-Thing

【问题讨论】：

标签： regex r text-segmentation

【解决方案1】：

假设“单词”是字母数字（本例中的最后一个单词是一个或字母\\w 或数字\\d，您可以根据需要添加更多类）：

col_one = gsub("(.*)(\\b[[\\w\\d]+)$", "\\1", x, perl=TRUE)
col_two = gsub("(.*)(\\b[[\\w\\d]+)$", "\\2", x, perl=TRUE)

输出：

> col_one
[1] "This is a "            "Testing 1,2,3 "        "Foo "                 
[4] "Random 214274(%*(^(* "
> col_two
[1] "test"   "Hello"  "Bar"    "Sample"

【讨论】：

这似乎有效，但如果最后一个“单词”中包含 -，则说明它不存在。我正在更新我的示例。
这就是我试图解释的内容：我不确定这些词到底是什么，所以我使用了\\w\\d。你最好用\\S替换那部分：任何不是空格的字符。
用\\S 替换\\W\\d 对我不起作用。除了带连字符的结束词外，此功能均有效。

【解决方案2】：

这看起来像是一项展望未来的工作。我们会在非空格的后面找到空格。

split <- strsplit(x, " (?=[^ ]+$)", perl=TRUE)
matrix(unlist(split), ncol=2, byrow=TRUE)

     [,1]                   [,2]              
[1,] "This is a"            "test"            
[2,] "Testing 1,2,3"        "Hello"           
[3,] "Foo"                  "Bar"             
[4,] "Random 214274(%*(^(*" "Sample"          
[5,] "Some"                 "Hyphenated-Thing"

【讨论】：

【解决方案3】：

这里使用strsplit：

do.call(rbind,
  lapply(
    strsplit(x," "),
    function(y)
      cbind(paste(head(y,length(y)-1),collapse=" "),tail(y,1))
    )
)

或者使用sapply的替代实现

t(
  sapply(
    strsplit(x," "),
    function(y) cbind(paste(head(y,length(y)-1),collapse=" "),tail(y,1))
  )
)

导致：

     [,1]                   [,2]              
[1,] "This is a"            "test"            
[2,] "Testing 1,2,3"        "Hello"           
[3,] "Foo"                  "Bar"             
[4,] "Random 214274(%*(^(*" "Sample"          
[5,] "Some"                 "Hyphenated-Thing"

【讨论】：

【解决方案4】：

这可能不完全适合你，但如果有人想知道如何在 python 中做到这一点：

#col1:
print line.split(" ")[:-1]

#col2:
print line.split(" ")[-1]

请注意，col1 将打印为一个列表，您可以将其制成如下字符串：

#col1:
print " ".join(line.split(" ")[:-1])

【讨论】：