用字符串中的一部分替换tibble中的字符串

Question

我在这里搜索了很多正则表达式的答案，但找不到解决这种问题的方法。

我的数据集是一个带有维基百科链接的tibble：

library(tidytext)
library(stringr)
text.raw <- "Berthold Speer was een [[Duitsland (hoofdbetekenis)|Duits]] [[architect]]."

我正在尝试清理我的文本中的链接。

str_extract_all(text.raw, "[a-zA-Z\\s]+(?=\\])")
# [1] "Duits"     "architect"

选择我需要的单词，它们位于括号之间。

这是：

str_replace_all(text.raw, "\\[\\[.*?\\]\\]", str_extract(text.raw, "[a-zA-Z\\s]+(?=\\])"))
# [1] "Berthold Speer was een Duits Duits."

功能正常，但不完全符合我的需求。这个：

str_replace_all(text.raw, "\\[\\[.*?\\]\\]", str_extract_all(text.raw, "[a-zA-Z\\s]+(?=\\])"))
# Error: `replacement` must be a character vector

在我期望的位置，出现了一个错误："Berthold Speer was een Duits architect"

目前我的代码大致如下：

text.clean <- data_frame(text = text.raw) %>%
  mutate(text = str_replace_all(text, "\\[\\[.*?\\]\\]", str_extract_all(text, "[a-zA-Z\\s]+(?=\\])")))

我希望有人能提供解决方案，或者指出是否存在类似问题。我想要的输出结果是"Berthold Speer was een Duits architect"。

- raoul

---

你想在结尾处拥有什么字符串？ - Eric Watt

architect. I want the dots in [[ ... ]] or [[ xxx | ... ]] - raoul

text.raw %>% gsub(pattern = '\\[.+\\|', replacement = '') %>% gsub(pattern = '\\]|\\[', replacement = '') - Sean Lin

尝试使用gsub("\\[{2}(?:[^]|]*\\|)?([^]|]*)]{2}", "\\1", text)，参见http://ideone.com/ffnxA2。 - Wiktor Stribiżew

Answer 1

你可以使用单个gsub操作。

text <- "Berthold Speer was een [[Duitsland (hoofdbetekenis)|Duits]] [[architect]]."
gsub("\\[{2}(?:[^]|]*\\|)?([^]]*)]{2}", "\\1", text)

See the 在线R演示。

该模式将匹配：

• \\[{2} - 两个[符号
• (?:[^]|]*\\|)? - 可选序列匹配
  • [^]|]* - 零个或多个字符，不包括]和|
  • \\| - 竖杠符号
• ([^]]*) - 第1组：零个或多个字符，不包括]
• ]{2} - 两个]符号。

- Wiktor Stribiżew

---

你的正则表达式技能真是太强了 +1 - Tim Biegeleisen

如果可能存在单个闭合括号，请将[^]|]*替换为[^]|]*(?:](?!])[^]|]*)*，将[^]]*替换为[^]]*(?:](?!])[^]]*)*并在gsub中添加perl=TRUE参数。 - Wiktor Stribiżew

只是补充一下，您仍然可以使用 stringr：str_replace_all(text, "\\[{2}(?:[^]|]*\\|)?([^]]*)]{2}", "\\1")。 - cderv