我想在我的数据帧中的日期分隔文本的内部。我的数据是这样的:
tt <- structure(list(V1 = c("(Q)üfür (2013)", "'Bi atlayip çikicam' cümlesini fazla ciddiye aldiysak zaar (2016)",
"A'dan Z'ye (o biçim) (1975)", "Gün ortasinda karanlik (Anne) (1990)"
), V2 = c("Ilker Savaskurt", "Bugra Gülsoy", "Ahmet Mekin",
"Yavuzer Çetinkaya")), .Names = c("V1", "V2"), row.names = c(80404L,
90699L, 34694L, 53178L), class = "data.frame")
我用这个脚本来分隔文本日期。
pattern <- "[()]"
tt$info <- strsplit(tt$V1,pattern)
tt$Title <-sapply(tt$info, `[[`, 1)
tt$Year <- sapply(tt$info, function(m) (m)[2])
它给人的日期,但也有一些文本具有一个以上的括号内。日期总是文本的结束,所以我需要改变脚本只得到第二个括号。
我曾在这里签到的其他问题,但我不能拿出一个解决方案。提前致谢。
使用stringi
的stri_extract_last_regex
捕获文本的最后一组括号之间的选项
library(stringi)
stri_extract_last_regex(tt$V1, "(?<=\\().*?(?=\\))")
#[1] "2013" "2016" "1975" "1990"
通过使用正则表达式,你不需要拆分字符串。尝试这个
tt$year=gsub(".*\\(([0-9]{4})\\).*","\\1", tt$V1)
tt
#> V1
#> 80404 (Q)üfür (2013)
#> 90699 'Bi atlayip çikicam' cümlesini fazla ciddiye aldiysak zaar (2016)
#> 34694 A'dan Z'ye (o biçim) (1975)
#> 53178 Gün ortasinda karanlik (Anne) (1990)
#> V2 year
#> 80404 Ilker Savaskurt 2013
#> 90699 Bugra Gülsoy 2016
#> 34694 Ahmet Mekin 1975
#> 53178 Yavuzer Çetinkaya 1990
说明:正则表达式匹配的一对括号的4个数字。 gsub()
提取匹配的数字。