如何从R中的文本中提取特定符号

Question

我在R中设置了一个新项目，并希望从文本中提取特定符号

X <- c("amazing tiny phone ^_^","so cute!!! <3")

我想从R的^_^中提取<3和X

谢谢！

Answer 1

更直截了当

X = c("amazing tiny phone ^_^","so cute!!! <3","^_^ and :) are my fav symbols")
    patt=c("=d" ,"<3" , ":o" , ":(" ,
    ":)" , "(y)" , ":*" , "^_^", ":d" ,";)" , ":'(") 

variable = sapply(X,function(x){
                    i = which(patt%in%strsplit(x," ")[[1]])
                    if (length(i)>0){
                        paste(patt[i],collapse=" ")
                                    } else{NA}
          })

names(variable)=NULL

> variable
[1] "^_^"    "<3"     ":) ^_^" NA  

Answer 2

@GraemeForst使用分组和前瞻可以实现泛化：

group <- "[\\^\\_\\<\\>3\\:\\(\\)\\;]"
pat <- sprintf(".*[\\s\\b](%s+)(?!\\1)", group)

• group定义了角色分组。基本上我们想要提取的所有符号。
• pat定义了我们的匹配模式。 [\\s\\b]说在可能的比赛之前必须有一个空白或边界。并且(?!\\1)在比赛后说不能有group的元素。

这是一个演示：

X <- c("amazing tiny phone ^_^","so cute!!! <3", "I like pizza :)", "hello beautiful ;)")
gsub(pat, "\\1", grep(pat, X, value = TRUE, perl = TRUE), perl = TRUE)
# [1] "^_^" "<3"  ":)"  ";)" 

这可以进一步细化和推广。可以添加的一个非常简单的步骤是扩展grouping。

---

老答案

您可以使用正则表达式：

# create the pattern to be extracted
pat = ".*(\\^\\_\\^).*|.*(\\<3).*"  # escape special characters with "\\" and ".*" to specify there may be text before/after

# extract
gsub(pat, "\\1\\2", grep(pat, X, value = TRUE, perl = TRUE), perl = TRUE)
# [1] "^_^" "<3"