需要使用 stringr 根据字符串的位置来解析文本答案

【问题标题】：Need to use stringr to parse text based on location of string需要使用 stringr 根据字符串的位置来解析文本
【发布时间】：2017-12-04 21:18:28
【问题描述】：

我有以下数据集。我使用devtools::reproduce() 将我的数据样本放在这里，我只选择了我需要帮助的列，即genres。

下面列出了很多类型。我正在使用电影数据库，我只想使用其中列出的第一种类型（格式为：Genre1 | Genre2 | Genre3）。

如何使用stringr 或其他包以我想要的方式解析此字符串数据？

最终结果是在回归模型中使用它。

> dput(droplevels(head(movie.cpi,4)))
structure(list(num_critic_for_reviews = c(723L, 302L, 813L, 462L
), director_facebook_likes = c(0L, 563L, 22000L, 475L), actor_3_facebook_likes = c(855L, 
1000L, 23000L, 530L), actor_1_facebook_likes = c(1000L, 40000L, 
27000L, 640L), gross = c(866161204.765035, 364628240.876025, 
476821933.103659, 77736216.375), genres = structure(c(2L, 1L, 
4L, 3L), .Label = c("Action|Adventure|Fantasy", "Action|Adventure|Fantasy|Sci-Fi", 
"Action|Adventure|Sci-Fi", "Action|Thriller"), class = "factor"), 
    num_voted_users = c(886204L, 471220L, 1144337L, 212204L), 
    cast_total_facebook_likes = c(4834L, 48350L, 106759L, 1873L
    ), facenumber_in_poster = c(0L, 0L, 0L, 1L), num_user_for_reviews = c(3054L, 
    1238L, 2701L, 738L), content_rating = structure(c(1L, 1L, 
    1L, 1L), .Label = "PG-13", class = "factor"), budget = c(269925874.125874, 
    353545586.107091, 266006097.560976, 280583231.707317), title_year = c(2009L, 
    2007L, 2012L, 2012L), actor_2_facebook_likes = c(936L, 5000L, 
    23000L, 632L), imdb_score = c(7.9, 7.1, 8.5, 6.6), movie_facebook_likes = c(33000L, 
    0L, 164000L, 24000L)), .Names = c("num_critic_for_reviews", 
"director_facebook_likes", "actor_3_facebook_likes", "actor_1_facebook_likes", 
"gross", "genres", "num_voted_users", "cast_total_facebook_likes", 
"facenumber_in_poster", "num_user_for_reviews", "content_rating", 
"budget", "title_year", "actor_2_facebook_likes", "imdb_score", 
"movie_facebook_likes"), row.names = c(NA, 4L), class = "data.frame")

【问题讨论】：

这可能会起作用movie.cpi$genre_1 <- gsub( "\\|.*$", "", movie.cpi$genres )。当您发布完整的数据时，我们可以肯定地说。

标签： r stringr

【解决方案1】：

使用以下命令，您可以获得从该列中提取的第一个流派（我将其存储在一个名为 genre_1 的新列中）：

movie.cpi$genre_1 <- gsub( "\\|.*$", "", movie.cpi$genres)

movie.cpi[,c("genres", "genre_1")]

##                            genres genre_1
## 1 Action|Adventure|Fantasy|Sci-Fi  Action
## 2        Action|Adventure|Fantasy  Action
## 3                 Action|Thriller  Action
## 4         Action|Adventure|Sci-Fi  Action

【讨论】：