如何清理不规则字符串并将它们组织成右列中的数据帧

Question

我在一个向量中有两个长字符串，看起来像这样：

x <- c("Job Information\n\nLocation: \n\n\nScarsdale, New York, 10583-3050, United States \n\n\n\n\n\nJob ID: \n53827738\n\n\nPosted: \nApril 22, 2020\n\n\n\n\nMin Experience: \n3-5 Years\n\n\n\n\nRequired Travel: \n0-10%",
       "Job Information\n\nLocation: \n\n\nGlenview, Illinois, 60025, United States \n\n\n\n\n\nJob ID: \n53812433\n\n\nPosted: \nApril 21, 2020\n\n\n\n\nSalary: \n$110,000.00 - $170,000.00 (Yearly Salary)")

我的目标是将它们整洁地组织在一个数据帧(输出表单)中，如下所示：

#View(df)
     Location     Job ID    Posted      Min Experience   Required Travel   Salary
[1] Scarsdale,... 53827738  April 22... 3-5 Years         0-10%             NA
[2] Glenview,...  53812433  April 21...  NA                NA            $110,000.00 - $170,000.00 (Yearly Salary)  

(...)是为了在这里整齐地呈现数据帧。

但是，正如您所看到的，两个字符串不一定具有相同的属性。例如，第一个字符串具有Min Experience和Required Travel，但在第二个字符串中，这些字段不存在，但具有薪水。所以这对我来说变得非常棘手。我想我会在\n字符之间阅读，但它们没有设置，一些有两个换行符，另一些有4或5行。我想知道是否有人可以帮助我。我会很感激的！

Answer 1

我们可以在一个或多个'\n' ('\n{1,}')上拆分字符串。删除每个单词中的第一个单词( 'Job Information')，因为我们在任何地方都不需要它(x <- x[-1])。对于字符串的其余部分，我们可以看到它们以列名称-列值的形式成对出现。我们使用交替索引和bind_rows通过名称将它们组合在一起，从而创建一个数据帧。

dplyr::bind_rows(sapply(strsplit(gsub(':', '', x), '\n{1,}'), function(x) {
   x <- x[-1]
   setNames(as.data.frame(t(x[c(FALSE, TRUE)])), x[c(TRUE, FALSE)])
}))

#                                        Location   Job ID         Posted  Min Experience 
#1 Scarsdale, New York, 10583-3050, United States  53827738 April 22, 2020       3-5 Years
#2       Glenview, Illinois, 60025, United States  53812433 April 21, 2020            <NA>
#   Required Travel                                    Salary 
#1            0-10%                                      <NA>
#2             <NA> $110,000.00 - $170,000.00 (Yearly Salary)