问题标签 [stringi]

使用stringr包，很容易以向量化的方式执行正则表达式替换。

问题：我该如何执行以下操作：

替换每个单词

不同的替代品，例如增加数量

请注意，不能假设简单的分隔符，实际用例更复杂。

stringr::str_replace_all似乎不起作用，因为它

为应用于所有单词的每个替换生成一个向量，或者它具有不确定和/或重复的输入条目，因此

将无法达到目的。

I have an issue with loading data between default encoding on Win and nix machines (ISO-8859-1 and UTF-8 respectively).

Example - Windows first:

In Windows the above produces "BOAS" as desired.

Now move to nix and use the saved file:

Nix gives "B??S".

I believe this is a read.table encoding issue but haven't been able to figure out how to get nix to use ISO-8859-1. Any suggestions?

我正在尝试将数据集中的字符串与 jaro 距离相匹配。问题是我得到带有空格的字符串作为匹配项。这是数据：

有没有办法可以处理空格匹配？我期待这样的输出。

当我使用

我收到以下错误

同样，如果我使用

我收到以下错误

我尝试安装'stringi' install.packages("stringi")

但是在某些时候，在安装过程中，我收到以下错误消息：

我正在使用 RStudio（版本 0.99.447）并且我有 R 版本 3.2.1。

我正在尝试ggplot2在合作者的 Mac 计算机上安装。我收到此错误：

看来我需要安装一个 C 编译器。搜索了一圈后，我看到的唯一提到的是gcc。要安装它，我需要从 App Store 安装 XCode。当我尝试安装 XCode 时，我收到一条消息说需要 Mac OS 10.10 或更高版本。他的机器是 10.7.5，所以它不会安装。

有什么方法可以安装gcc吗？

Karl Broman 的帖子：https ://kbroman.wordpress.com/2015/06/22/randomized-hobbit-2/让我玩正则表达式和 ngram 只是为了好玩。我尝试使用正则表达式来提取 2-grams。我知道有解析器可以做到这一点，但我对正则表达式逻辑感兴趣（即，这是我未能满足的自我挑战）。

下面我给出一个最小的例子和所需的输出。我尝试的问题是2倍：

1. 克（单词）被吃掉了，不能用于下一次传递。 如何使它们可用于第二次通行证？（例如，我希望like在like toast之前已经使用过之后可以使用I like）

2. 我无法使单词之间的空格未被捕获（请注意输出中的尾随空格，即使我使用了(?:\\s*)）。 如何不捕获第 n 个（在本例中为第二个）单词的尾随空格？我知道这可以简单地完成："(\\b[A-Za-z']+\\s)(\\b[A-Za-z']+)"对于 2-gram，但我想将解决方案扩展到 n-gram。PS我知道，\\w但我不认为下划线和数字是单词的一部分，而是考虑'作为单词的一部分。

MWE：

期望的输出：

我看到了这个问题的一个版本，但仍然没有看到答案。我正在尝试使用 ggplot2，但出现以下错误（今天早上使用 RStudio 版本 0.98.1102 的 R3.0.2 '飞盘航行' 一切正常。

我更新了 R 和 Rstudio，现在得到以下信息：

所以很自然地我尝试了：

关于如何安装“stringi”的任何建议？我对错误输出并不熟悉。我应该尝试回到旧版本的 R 和 Rstudio 吗？最终，我担心这将是现在无法与更新的 R 一起使用的软件包的冰山一角

哦，还有：

我的数据如下

我想从数据中提取国家名称。棘手的部分是如果我只提取最后一个单词，那么我将只有一个记录（法国）。

关于如何从这些数据中提取国家数据的任何想法？

我正在尝试在 R-Studio 中安装 'yaml' 和 'stringi' 包，它不断给我这些错误：

或者

我怎样才能让这些正确安装？

我正在尝试从数据集中提取电影类型的字符串。数据采用以下格式，其中流派类型由不同的评论者随机分布在数据集中。幸运的是，数据集中只有 4 种流派类型（喜剧、动作、恐怖、科幻），但也有重复。所以我需要从数据集中提取这些字符串。

我期待以下形式的输出。

有什么建议么？