如何折叠文本中的特定模式？

Question

我有一些文本字符串（如下例）。正如你所看到的，每个字符串都被分割成了一个句号或问号。

   [1]"I am a Mr."
   [2]"asking for help."
   [3]"Can you help?"
   [4]"Thank you ms."
   [5]"or mr."

我想在字符串结尾有缩写的地方进行折叠，比如mr.，mrs.，所以最终的结果将是下面的理想输出。

    [1]"I am a Mr. asking for help."
    [2]"Can you help?"
    [3]"Thank you ms. or mr."

我已经创建了一个向量（称为abbr），其中包含了我所有的缩写，格式如下。

> abbr
[1] "Mr|Mrs|Ms|Dr|Ave|Blvd|Rd|Mt|Capt|Maj"

但我不知道如何在粘贴函数中使用它来折叠。我也试过用gsub（没有用）把缩写后面的句号和空格替换成这样。

lines<-gsub('(?<=abbr\\.\\n)(?=[A-Z])', ' ', lines, perl=FALSE)

Answer 1

我们可以使用 tapply 折叠字符串和 grepl 以创建组来折叠。

x <- c("I am a Mr.", "asking for help.","Can you help?","Thank you ms.", "or Mr.")
#Include all the abbreviations with proper cases
#Note that "." has a special meaning in regex so you need to escape it. 
abbr <- 'Mr\\.|Mrs\\.|Ms\\.|Dr\\.|mr\\.|ms\\.'

unname(tapply(x, c(0, head(cumsum(!grepl(abbr, x)), -1)), paste, collapse = " "))
#[1] "I am a Mr. asking for help." "Can you help?"  "Thank you ms. or mr."