提取R中前兩個單詞後的所有內容

Question

我試圖在數據框中的第一個數字和一個條目的第一個單詞之後，使用R中的正則表達式提取所有信息。

例如：

Header = 
c("2006 Volvo XC70", 
"2012 Ford Econoline Cargo Van E-250 Commercial", 
"2012 Nissan Frontier", 
"2012 Kia Soul 5dr Wagon Automatic") 

我想寫一個會搶沃爾沃XC70，或Econoline廂式貨車E-250商用模式（年以後的一切，使）從我的「標題」列中的一個條目，以便我可以在我的數據框上運行該功能並創建一個新的「模型」列。我找不出一種模式，可以讓我跳過第一串整數，然後是一個空格，然後是第一串字符，然後是一個空格，然後抓住一切進行。

任何幫助，將不勝感激。謝謝！

Answer 1

只需使用子。

sub("^\\d+\\s+\\w+\\s+", "", df$x) 

例子：

x <- "2012 Ford Econoline Cargo Van E-250 Commercial" 
sub("^\\d+\\s+\\w+\\s+", "", x) 
# [1] "Econoline Cargo Van E-250 Commercial" 

Answer 2

對於這個任務，我會使用XML包取一個基本的列表：

library(XML) 
doc <- xmlParse('http://www.fueleconomy.gov/ws/rest/ympg/shared/menu/make') 

現在，我們獲取的XML數據，我們可以用汽車製造一個載體：

mk <- xpathSApply(doc, '//value', xmlValue) 

最後，我將編譯模式和玩sprintf和sub：

df$Makes <- sub(sprintf('\\d+ (?:%s) ', paste(mk, collapse='|')), '', df$Header) 

輸出：

##           Header 
# 1        2006 Volvo XC70 
# 2 2012 Ford Econoline Cargo Van E-250 Commercial 
# 3       2012 Nissan Frontier 
# 4    2012 Kia Soul 5dr Wagon Automatic 

##           Makes 
# 1           XC70 
# 2   Econoline Cargo Van E-250 Commercial 
# 3          Frontier 
# 4      Soul 5dr Wagon Automatic