如何从R中的非结构化数据集中筛选出一个特定短语并将其放入一个新的数据框架中

Question

我正在清理一个大的非结构化数据--实际上是一个代码页。我需要从这段代码中提取一个特定的短语，从

以下是.txt文件中的示例数据。我需要查找

</bi:data_source_alias>
    <bi:component name="ROOT" type="ABSOLUTE_LAYOUT_COMPONENT">
        <bi:component name="CHART_1" type="com_sap_ip_bi_VizFrame">
            <bi:property name="LEFT_MARGIN" value="31"/>`       <bi:property name="TOP_MARGIN" value="64"/>
<bi:component name="SCORECARD_1" type="com_sap_ip_bi_Scorecard">
            <bi:property name="LEFT_MARGIN" value="9"/>

这就是我到目前为止所做的。

1. 将整个.txt文件读入名为df1的数据框架
2. 然后，我使用以下命令在df1上应用了过滤器 comp_type <- df1 %>% filter(str_detect(str_to_lower(Value)，"\图像显示数据帧 但是上面的命令出错了。 UseMethod中的错误(“filter_”)：没有适用于“c(‘矩阵’，‘逻辑’)类对象的'filter_‘的方法 我参考了下面的帮助链接，并参考了其他几个站点，但无法获得所需的输出。如果你能帮我正确的命令过滤这个词并把它放到一个新的领域里，那就太好了。 R dplyr筛选器基于匹配搜索项和选定列中任何工作的第一个单词

Answer 1

如果您想要将包含type描述的新列type添加到包含post中给出的大字符串的现有dataframe df中，则应该可以：

解决方案：

df$component <- str_extract_all(df$v1, '(?<=bi:component name="\\w{1,100}" type=")[^"]+')

这利用了(?<=...)的正向查找，以及\\w不仅匹配字母，还匹配数字和下划线的事实，这些都与bi:component name的值有关。

结果：

df
v1
1 </bi:data_source_alias>\n    <bi:component name="ROOT" type="ABSOLUTE_LAYOUT_COMPONENT">\n        <bi:component name="CHART_1" type="com_sap_ip_bi_VizFrame">\n            <bi:property name="LEFT_MARGIN" value="31"/>`       <bi:property name="TOP_MARGIN" value="64"/>\n<bi:component name="SCORECARD_1" type="com_sap_ip_bi_Scorecard">\n            <bi:property name="LEFT_MARGIN" value="9"/>
                                                                   component
1 ABSOLUTE_LAYOUT_COMPONENT, com_sap_ip_bi_VizFrame, com_sap_ip_bi_Scorecard

数据：

df <- data.frame(
  v1 = '</bi:data_source_alias>
    <bi:component name="ROOT" type="ABSOLUTE_LAYOUT_COMPONENT">
        <bi:component name="CHART_1" type="com_sap_ip_bi_VizFrame">
            <bi:property name="LEFT_MARGIN" value="31"/>`       <bi:property name="TOP_MARGIN" value="64"/>
<bi:component name="SCORECARD_1" type="com_sap_ip_bi_Scorecard">
            <bi:property name="LEFT_MARGIN" value="9"/>'
)