从r中的字符串中提取单词

Question

我的数据框 df 的每一行中都有以下文本作为示例：

[{'id': 16, 'name': 'Soccer'}, {'id': 35, 'name': 'Basketball'}, {'id': 10751, 'name': 'Boxing'}]

有没有办法从这个文本中提取单词（足球、篮球、拳击）？抱歉，我是 R 中文本分析的新手。

Answer 1

看起来您有一个 JSON 输入字符串。可以用jsonlite::fromJSON解析JSON字符串，提取相关列name：

# Sample string
ss <- "[{'id': 16, 'name': 'Soccer'}, {'id': 35, 'name': 'Basketball'}, {'id': 10751, 'name': 'Boxing'}]";

# Parse JSON
library(jsonlite);
df <- fromJSON(txt = gsub("'", "\"", ss));

# Extract words
df$name;
#[1] "Soccer"     "Basketball" "Boxing"

Answer 2

可能类似于以下内容。

x <- "[{'id': 16, 'name': 'Soccer'}, {'id': 35, 'name': 'Basketball'}, {'id': 10751, 'name': 'Boxing'}]"
g <- gregexpr("[[:alpha:]]+", x)
y <- unlist(regmatches(x, g))
y[y != "id" & y != "name"]
#[1] "Soccer"     "Basketball" "Boxing"

最后一条指令的另一种可能性是使用%in%。

y[!y %in% c("id", "name")]
#[1] "Soccer"     "Basketball" "Boxing"

像这样，您可以有一个不需要的字符串向量，例如c("id", "name")，并避免使用长连词&。