提取字符串中的字符序列答案

【问题标题】：Extract char sequences within a string提取字符串中的字符序列
【发布时间】：2018-06-04 21:26:47
【问题描述】：

我想从这个字符串中提取所有非大写字母的文本：

a <- "NAME
Agricola, Johannes
ALTERNATIVNAMEN
Schneider, Johann; Schnitter, Johannes; Eisleben, Johannes; Agricola Eisleben, Johannes; Bauer, Hans
KURZBESCHREIBUNG
deutscher Reformator
GEBURTSDATUM
20. April 1494
GEBURTSORT
Eisleben
STERBEDATUM
22. September 1566
STERBEORT
Berlin"

为了提取“Agricola, Johannes”，我尝试了类似的方法：

# Name
name <- sub("\\s*ALTERNATIVNAMEN\\b.*", "", a)
cat(sub("NAME", "", name))

但我不知道如何继续。我的问题是我不知道如何使用正则表达式表达以下内容：“匹配 NAME 之后的所有内容，直到 ALTERNATIVNAMEN”。最后，我希望有 7 个变量将个人数据保存为角色对象。非常感谢任何帮助！

【问题讨论】：

标签： r regex

【解决方案1】：

read.table(text=gsub("([[:upper:]])\\n","\\1:",a),sep=":")
                V1                                                                                                   V2
1             NAME                                                                                   Agricola, Johannes
2  ALTERNATIVNAMEN Schneider, Johann; Schnitter, Johannes; Eisleben, Johannes; Agricola Eisleben, Johannes; Bauer, Hans
3 KURZBESCHREIBUNG                                                                                 deutscher Reformator
4     GEBURTSDATUM                                                                                       20. April 1494
5       GEBURTSORT                                                                                             Eisleben
6      STERBEDATUM                                                                                   22. September 1566
7        STERBEORT                                                                                               Berlin

然后你可以选择你想要的列

【讨论】：

太好了，这似乎是另一种选择！但是为什么read.table函数的分隔符是冒号呢？
gsub 函数用冒号替换每个大写单词末尾的换行符。这成为你的分隔符..
现在我完全理解你的回答了！

【解决方案2】：

您可以使用strsplit 并以两个或多个大写字母的任意顺序进行拆分...

strsplit(a,"[A-Z]{2,}")

[[1]]
[1] ""                                                                                                        
[2] "\nAgricola, Johannes\n"                                                                                  
[3] "\nSchneider, Johann; Schnitter, Johannes; Eisleben, Johannes; Agricola Eisleben, Johannes; Bauer, Hans\n"
[4] "\ndeutscher Reformator\n"                                                                                
[5] "\n20. April 1494\n"                                                                                      
[6] "\nEisleben\n"                                                                                            
[7] "\n22. September 1566\n"                                                                                  
[8] "\nBerlin"

【讨论】：

太棒了！但是我如何将每个子字符串存储到一个变量中？在这种情况下如何摆脱“\n”？
gsub("\n", "", a) 负责后者
as.data.frame(gsub("\\n","",do.call(rbind,strsplit(a,"[A-Z]{2,}")))) 之类的东西会将as 的向量转换为所需变量的数据框。
完美——这正是我想要的！
试试read.table(text=gsub("([[:upper:]])\\n","\\1:",a),sep=":")