从字符串中提取文本名称

Question

我有一列，值为

“红龙虾CA04606”或“红龙虾NewYork WY245”n等等

我如何才能从其中提取出Red Lobster或Red Lobster NewYork的名称。我正在尝试使用stringr包。

有没有一种方法可以检查它是否只包含文本，并且可以忽略其中包含数字的值？

任何帮助都是非常感谢的。谢谢

Answer 1

既然你正在尝试使用stringr，我推荐你使用str_extract (即使你不想使用stringr，我也会推荐它)：

x <- c('RED LOBTSER CA04606', 'Red Lobster NewYork WY245')
str_extract(x, '[a-zA-Z ]+\\b')
# [1] "RED LOBSTER "          "Red Lobster NewYork "

正则表达式中的'\b‘阻止'CA’'CA04606‘被提取。

如果您不喜欢这个尾随空格，可以使用str_trim将其删除，也可以修改正则表达式：

str_extract(x, '[a-zA-Z]+(?: +[a-zA-Z]+)*\\b')
# [1] "RED LOBSTER"          "Red Lobster NewYork"

注意-如果您的字符串在post代码后有非数字，则上述代码仅返回之前的单词。所以在下面的例子中，如果你想得到'WY245‘后面的'NewYork’，你可以使用str_extract_all并将结果粘贴在一起：

x <- c(x, 'Red Lobster WY245 NewYork')
str_extract_all(x, '[a-zA-Z]+(?: +[a-zA-Z]+)*\\b')
# [[1]]
# [1] "RED LOBSTER"
# 
# [[2]]
# [1] "Red Lobster NewYork"
# 
# [[3]]
# [1] "Red Lobster" "NewYork"    

# Paste the bits together with paste(..., collapse=' ')
sapply(str_extract_all(x, '[a-zA-Z]+(?: +[a-zA-Z]+)*\\b'), paste, collapse=' ')
# [1] "RED LOBSTER"          "Red Lobster NewYork" "Red Lobster NewYork"

Answer 2

试试gsub

> x <- "RED LOBSTER CA04606"
> gsub("\\S*\\d+\\S*",'', x)
[1] "RED LOBSTER "

> x<-"Red Lobster NewYork WY245"
> gsub("\\S*\\d+\\S*",'', x)
[1] "Red Lobster NewYork "

> x<-"Red Lobster NewYork WY245 BLUE LOBSTER CA04606"
> gsub("\\S*\\d+\\S*",'', x)
[1] "Red Lobster NewYork  BLUE LOBSTER "

Answer 3

结合使用strsplit和grepl

 sapply(strsplit(x, ' '), function(x) paste(x[!grepl('[[:digit:]]',x)], collapse = ' '))

这将按空格拆分，然后测试是否有拆分向量的数字，并且只将没有数字的数字粘贴在一起。