问题标签 [stringi]

我想分解string成句子：

我想展示两种不同的方式。一个来自包openNLP：

第二个来自 package stringi：

在第二种方式之后，我需要准备句子以删除多余的空格或将新字符串再次分解为句子。我可以调整 stringi 函数来提高结果的质量吗？

当它涉及大数据时，openNLP（非常）慢stringi。
有没有办法结合stringi（->快速）和openNLP（->质量）？

我正在使用 RStudio 在远程服务器上工作。此服务器无法访问 Internet。我想安装包“stringi”。我看过这篇tackoverflow 文章，但是每当我使用命令时

它只是尝试访问互联网，但它无法做到。到目前为止，我一直在使用Tools -> Install Packages -> Install from Packaged Archive File。但是，由于此错误，我无法再使用此方法。

我怎样才能安装这个包？

在 RI 中可以\\1用来引用捕获组。但是，当使用 stringi 包时，这不能按预期工作。

预期输出：hello-you.

在文档中，我找不到有关此问题的任何内容。

如何从 ASCII 和 UTF-8 编码的字符串中去除标点符号，而不会弄乱 R 中的 UTF-8 原始字符，特别是中文。

结果是：

但期望的结果应该是：

我希望删除所有 CJK 符号和标点符号以及询问 ASCII 标点符号。

@akrun, sessionInfo() 如下

我试图在电子邮件列表中找到约 10.000 个不同位置的出现。我需要的是每个电子邮件中最常提及位置的一个向量，一个第二个最频繁的向量，一个第三个最频繁的向量！

由于我的数据集很大，因此我的性能存在问题。我用 stringi 和并行包尝试了它，但它仍然运行得很慢（20.000 个电子邮件和 10.000 个位置大约需要 15 分钟）。输入数据（电子邮件和城市）如下所示：

这是我使用 stringi 的代码：

有什么想法可以通过例如使用 index 或 equal 来加快速度吗？我真的很期待在这个问题上获得帮助。

非常感谢克莱门斯

我有一个df包含 1000 万行的数据框。我想将“生日”列的字符格式从“xxxxxxxx”转换为“xxxx-xx-xx”。例如。从“20051023”到“2005-10-23”。我可以df$birthday <- lapply(df$birthday, as.Date, "%Y%m%d")这样做，但它会浪费大量内存和计算时间来进行数据转换。但是，我只想将其转换为类似日期的字符，而不是日期类型。因此我使用stringi包，因为它是用 C 语言编写的。不幸的是，df$birthday <- stri_join(stri_sub(df$birthday, from=c(1,5,7), to=c(4,6,8)), collapse = "-")不起作用，因为该函数不支持矢量输入。有没有办法解决这个问题？非常感谢。

在 Rstudio 中使用 knit 按钮时出现错误object 'C_stri_join' not found。

这是一个例子：

错误如下：

这是在最近更新我的 R 包之后发生的：

该错误似乎源于str对 R 代码块中的调用，因为以下内容没有错误：

这与这个问题相似，但那里没有给出什么细节。

例如，我在一列中有 n 个字符串，如下所示。我想根据最后一个单词对字符串进行排序。

期望的输出

我希望根据最后一个单词对特定列中的所有字符串进行排序。这里应该是基于 Linie 1， Linie 2 等等。

有人可以让我知道我该怎么做。

我有一个数据表，其中包含许多街道地址字段列，例如NUM, STREET_PRE, STREETNAME, STREETTYPE, APT_NO, CITY, STATE, ZIP。许多行在所有列中都没有值，例如STREET_PREor APT_NO。

我需要从这些列中获取地址字符串。使用 paste0 会将字符串“NA”放入结果中。我搜索并发现一些关于这个问题的讨论只是在之后替换“NA”，或者在连接中使用 if else。如果有一些“NA”的有效输入，之后替换 NA 可能会带来问题。

stringr看起来很有希望，str_c因为它会跳过 NA。但是我总是得到 NA 作为这个输入的结果：

这个输入有一些非标准值，但我仍然希望得到一个地址字符串。我会让地理编码器确定地址是否有效。

这似乎是一项简单的任务，但很难得到我想要的东西。paste, str_c,stri_c似乎都试图匹配两个向量并将它们连接起来，但我只想连接一系列字符串。它们都适用于正常情况，但是带有 NA 的输入在不同的功能中导致了不同的问题。

编辑下面的答案和评论适用于单行输入，但在数据表中产生了意外结果。当我只希望它们在当前行上工作时，它们可能在整个列向量上工作。

我尝试了这些行但没有成功：

可能是折叠参数将我想要的列组合成单个值。也许我必须回到我原来的使用方法paste0，但首先用 '' 替换 NAs。

我想从以下输入中提取名称，其格式如括号中所示

我想提取引号之间的名称，如下所示。有什么建议么？