stringr根据大写和位置提取文本

Question

我正在尝试从字符串中提取一些单词(国家名称)。字符串是列表元素，例如，

myList <- list(associations =  c("Madeup speciesone: \r\n\t\t\t\t",  "Foobarae foobar: Russia - 123,",
                              "Foobarus foobar France -  7007,Italy -  7007,Portugal -  6919,Ukraine -  42264,Russia -  7009,", 
                              "Foobarus foobarbar", 
                              "Foobaria foobariana f. sp. foobaricol Japan - 254, China - 256,")) 

我想提取国家名称，例如，我可以这样做：

Country_name <- lapply(myList, pattern = "China|France|Italy|Ukraine", str_extract_all)
country_list <- vector()
for(i in 1:length(Country_name[[1]])){
  country_list[i] <- paste(Country_name[[1]][[i]], collapse = ",")
}

但它需要列出所有可能的国家才能工作，这似乎很费力。

有没有一种方法可以使用正则表达式来提取所有的国家名称？从第二个大写的单词开始，然后提取所有国家/地区，直到字符串的末尾？

使用像lapply(myList, word, 3)这样的东西不太管用，因为物种名称的长度可变(例如Foobaria foobariana f.sp。foobaricol)。

# desired output
country_list <- c("","Russia","France,Italy,Portugal,Ukraine,Russia","","Japan,China")

Answer 1

您可以使用countrycode包提取国家/地区名称

library(countrycode)
countries <- as.data.frame(countrycode_data$country.name)

如果您想坚持使用您的代码，您可以创建一个由所有国家/地区名称组成的字符串，这些名称之间用"|“分隔

all <- paste(countrycode_data$country.name, collapse="|")

然后运行

Country_name <- lapply(myList, pattern = all, str_extract_all)

country_list <- vector()
for(i in 1:length(Country_name[[1]])){
country_list[i] <- paste(Country_name[[1]][[i]], collapse = ",")
}

应该会给你一个结果：

myList <- list(associations =  c("Madeup speciesone: \r\n\t\t\t\t",  "Foobarae foobar: Russia - 123,",
                             "Foobarus foobar France -  7007,Italy -  7007,Portugal -  6919,Ukraine -  42264,Russia -  7009,", 
                             "Foobarus foobarbar", 
                             "Foobaria foobariana f. sp. foobaricol Japan - 254, China - 256,",
                             "Germany",
                             "555Senegal")) 

Country_name <- lapply(myList, pattern = all, str_extract_all)

country_list <- vector()

for(i in 1:length(Country_name[[1]])){
country_list[i] <- paste(Country_name[[1]][[i]], collapse = ",")
}

country_list
[1] ""          ""                "France,Italy,Portugal,Ukraine"
[4] ""          "Japan,China"     "Germany"                      
[7] "Senegal"