提取僅包含關鍵字的段落

Question

因此，在R中的文本文件中，我需要掃描許多文檔以查找其中提及的「折扣率」的段落。然後，我想提取整個段落，只有這一段。在每個段落的前後都有一個空白行寫成文本文件中的「」。我提供的是我曾嘗試不工作的一些示例代碼和一個txt文件的幾個段落，其中一個包含關鍵字「貼現率」

t <- c(grep(" discount rate ",txt,ignore.case = T),grep(" discounted cash flow",txt,ignore.case = T)) 

    temp <- unlist(str_extract_all(txt,"\r\r. discount rate .\r\r")) 

所以，我的方法是嘗試，並提取所有行在「」和「」之間，允許它們包含「貼現率」，但在此代碼中顯然不成功。

---

「」
「（9）」
「已損壞，破舊，過時或不實用或沒有」
「通過不再使用任何財產或設備的任何出售或處置Armor Holdings與Armor「
」控股或其受限制子公司有關的業務。「
「」
「\」歸屬債務\「關於銷售和租交易」
‘裝置，在判定時，將’
「承租人的淨租金的義務的當前值租賃的剩餘期限過程中包含的」
‘在這樣的售後租回交易，包括對哪些這樣的’
‘租賃一直延伸，或者可以在出租人的選擇，被擴展的任何期間。這種’
「現值應使用等於」
「利率的貼現率計算，該利息隱含在此類交易中根據GAAP確定。「
「」
「\」受益所有人\「在計算互利‘
」所有權根據交易法賦予這樣的術語規則13D-3"
’和第13D-5，不同之處在於意義（「交易法」第13（d）（3）條「
」中所用的任何特定「人」），該「人」應被視爲擁有受益所有權「
」 「人」有權通過兌換獲得的所有證券或「
」其他證券的行使，這種權利目前是否可以行使或者是「
」可以行使隨後發生的情況。 「
‘\’實益擁有\」和\‘實益擁有\’條款應具有相應的意義「 ‘’
‘\’董事會\」是指：「
‘’
」（ 1）相對於一個公司，「
‘法團的董事會;’
‘’
‘（2）相對於一個夥伴關係，的董事會’
」的普通合夥夥伴關係;和「
‘’
‘（3）相對於任何其他人，該板或委員會’服務類似功能，例如人的
」。「
‘’

Answer 1

保存您的文件的text.txt，這個工作對我來說：

​​

我說\n作爲新線假人，這樣我就可以在strsplit參數上分裂該功能只返回第二個段落。希望這有助於！

Answer 2

如果你不想更改文本的換行符，你可以做這樣的事情（txt是你的問題的字符串向量）

# generate a variable for paragraph number 
df <- data.frame(txt, paragraph = cumsum(txt == "")) 
# find paragraphs with the search term 
keep_paragraph <- df[grep("discount rate", df[, "txt"]), "paragraph"] 
# subset the data.frame 
df <- df[df$paragraph %in% keep_paragraph,]