正则表达式拉子路径

Question

我有一个数据框df，其中包含一个包含字符串的地方字段，如下所示：

countryName0 / provinceName0 / countyName0 / cityName0
countryName1 / provinceName1

使用此代码，我可以提取最好的分辨率地点标识符：

df$shortplace <- trimws(basename(df$place))

要么：

df$shortplace <- gsub(".*/ ", "", df$place)

EG

cityName0
provinceName1

然后我可以使用ggmap库来提取cityName0和provinceName1的地理编码：

df$geo <- geocode(df$shortplace)

结果如下所示：

geo.lat   geo.long
-33.789    147.909
-29.333    133.819

不幸的是，一些城市名称不是唯一的，例珀斯是西澳大利亚州的首府，是塔斯马尼亚的一个小镇，也是苏格兰的一个城市。我需要做的是在最后一个“/”之后不提取地点标识符，而在最后一个“/”之后提取地址标识符（并用“”替换“/”以提供geocode（）函数的更多信息。我如何扫描到倒数第二个“/”并提取最高和第二高位地名？例如

                shortplace
     countyName0 cityName0
countryName1 provinceName1

Answer 1

还有其他方法，但strsplit()对我来说似乎最直接。尝试一下：

x = "countryName0 / provinceName0 / countyName0 / cityName0"
x_split = strsplit(x, " / ")[[1]] # Somewhat confusingly, result of strsplit() is a list; [[1]] pulls out the one and only entry here
n_terms = length(x_split)
result = paste(x_split[n_terms - 1], x_split[n_terms], sep = ", ")
result
# [1] "countyName0, cityName0"

Answer 2

一个选项是sub匹配字母数字字符后跟一个或多个空格，/后跟空格（\\s+），然后是另一组字母数字字符，直到字符串结尾（$），作为一组捕获并替换为捕获组的反向引用（\\1 \\2）

df$shortplace <- sub(".*\\b([[:alnum:]]+)\\s+\\/\\s+([[:alnum:]]+)$", "\\1 \\2", df$place)
df$shortplace
#[1] "countyName0 cityName0"      "countryName1 provinceName1"

Answer 3

这最终对我有用：

df$shortplace <- gsub("((?:/[^/\r\n]*){2})$", "\1", df$place)
df$shortplace <- gsub("\\ / ", ", ", df$place)

不是超级优雅，但它做的工作。