R中的正则表达式——基于两个开始/停止词提取子字符串答案

【问题标题】：Regex in R -- extracting sub-string based on two start/stop wordsR中的正则表达式——基于两个开始/停止词提取子字符串
【发布时间】：2016-11-14 17:05:14
【问题描述】：

我有一个字符（文本）列：

tweets <- c(
    "Drinking a Bud Light by @Budweiser @ Joe's Crab Shack http://www.joes.com",
    "Drinking a Sam Adams Winter Ale by @SamAdams @ Growler Stop http://www.growlerstop.com",
    "Drinking a Coco Loco by @NoDaBrewing @ The Corner Pub http://www.cornerpub.com"
)

如您所见，假设推文具有标准结构：

"Drinking a [name of beer] by @[name of brewery] @ [name of bar, notice whitespace] http://"

我想使用正则表达式（和substr()?）来创建三个新列：

啤酒名称
啤酒厂名称
栏的名称（注意可能有空格，所以需要转到“http:”）

更进一步 - 我如何控制一些结构不同的推文？

【问题讨论】：

标签： regex r twitter

【解决方案1】：

很丑：

setNames(nm=c('beer','brewery','bar'),as.data.frame(do.call(rbind,
    regmatches(tweets,regexec('^Drinking an? (.*) by @(.*) @ (.*) http://.*$',tweets))
)[,-1L]));
##                   beer     brewery              bar
## 1            Bud Light   Budweiser Joe's Crab Shack
## 2 Sam Adams Winter Ale    SamAdams     Growler Stop
## 3            Coco Loco NoDaBrewing   The Corner Pub

请参阅 regexec() 和 regmatches()。

【讨论】：

【解决方案2】：

    do.call(rbind,strsplit(gsub('.*\\ba\\b(.*) by @(.*) @(.*) http.*','\\1|\\2|\\3',tweets),'\\|'))

#       [,1]                    [,2]          [,3]               
#[1,] " Bud Light"            "Budweiser"   " Joe's Crab Shack"
#[2,] " Sam Adams Winter Ale" "SamAdams"    " Growler Stop"    
#[3,] " Coco Loco"            "NoDaBrewing" " The Corner Pub"

【讨论】：