經由R個

Question

移文字在一個句子我周圍有電影名稱的R數據幀像這樣：

Shawshank Redemption, The 
Godfather II, The 
Band of Brothers 

我想顯示這些名稱爲：

The Shawshank Redemption 
The Godfather II 
Band of Brothers 

任何人都可以使用如何幫助檢查數據框的每一行，以查看上面逗號（如）後是否有'The'，如果存在，則將其移到句子的前面？

Answer 1

您可以使用gsub：

df$movies2 = gsub("^([\\w\\s]+),*\\s*([Tt]he*($|(?=\\s\\(\\d{4}\\))))", "\\2 \\1", df$movies, perl = TRUE) 

結果：

> df 
          movies       movies2 
1 Shawshank Redemption, The (1994) The Shawshank Redemption (1994) 
2    Godfather II, The    The Godfather II 
3     Band of Brothers    Band of Brothers 
4    Dora, The Explorer    Dora, The Explorer 
5    Kill Bill Vol. 2 The   Kill Bill Vol. 2 The 
6     ,The Highlander     ,The Highlander 
7     Happening, the     the Happening 

數據：

df = data.frame(movies = c("Shawshank Redemption, The (1994)", 
          "Godfather II, The", 
          "Band of Brothers", 
          "Dora, The Explorer", 
          "Kill Bill Vol. 2 The", 
          ",The Highlander", 
          "Happening, the"), stringsAsFactors = FALSE) 

注：

整個正則表達式的目標是組的第一部分（,前部）和第二部分（「的」後,並且僅當它是在末端或(year)之前）到單獨的捕捉組，我可以用\\2交換和\\1

• ^([\\w\\s]+)任何單詞字符或空格一次或多次從字符串的開頭開始匹配
個
• ,*\\s*匹配逗號和空間都零次或多次
• [Tt]he*匹配「的」或「該」零次或多次
• 注意，它後跟($|(?=\\s\\(\\d{4}\\)))相匹配的「字符串的結束」，$，或積極的前瞻，它檢查前面的模式是否跟隨\\s\\(\\d{4}\\)
• \\s\\(\\d{4}\\)匹配一個空格和(4 digits)包括圓括號。需要雙反斜線逃避單反斜線
• 所以([Tt]he*($|(?=\\s\\(\\d{4}\\))))匹配「的」或「」無論是在字符串的結尾，或者如果它後面括號(4 digits)
• 一切都是捕捉組，所以\\2 \\1交換第一捕獲組，([\\w\\s]+)，第二個，([Tt]he*($|(?=\\s\\(\\d{4}\\))))
• 現在，由於「The」只與[Tt]he*匹配零次或多次，如果字符串中沒有「The」，則會交換空字符串，其中\\1 ，它返回原始字符串。

Answer 2

這似乎爲我工作：

#create a vector of movies 
x=c("Shawshank Redemption, The", "Godfather II, The", "Band of Brothers") 

#use grep to find those with ", The" at the end 
the.end=grep(", The$",x) 

#trim movie titles to remove ", The" 
trimmed=strtrim(x[the.end],nchar(x[the.end])-5) 

#add "The " to the beginning of the trimmed titles 
final=paste("The",trimmed) 

#replace the trimmed elements of the movie vector 
x[the.end]<-final 

#take a look 
x 

注意，這不排除「中的」來自比端其他名稱的任何地方...我認爲這是你想要的行爲。它也會錯過沒有逗號的任何「The」，或小寫「the」。要明白我的意思，試試這個作爲你最初的電影載體：

#create a vector of movies 
x=c("Shawshank Redemption, The", "Godfather II, The", "Band of Brothers", 
    "Dora, The Explorer", "Kill Bill Vol. 2 The", ",The Highlander", 
    "Happening, the")