Thay thế gsub có điều kiện

Question

Tôi có dữ liệu văn bản (trong R) và muốn thay thế một số ký tự bằng các ký tự khác trong một khung dữ liệu. Tôi nghĩ rằng đây sẽ là một nhiệm vụ dễ dàng bằng cách sử dụng strsplit trên không gian và tạo ra một véc tơ mà tôi có thể sau đó sử dụng kết hợp (% in%) mà sau đó có thể được dán lại với nhau. Nhưng rồi tôi nghĩ về dấu chấm câu. Không có dấu cách giữa từ cuối cùng của câu và dấu chấm câu ở cuối.

Tôi có thể có một cách đơn giản hơn để đạt được những gì tôi muốn hơn là mớ hỗn độn phức tạp đang trở thành mã của tôi. Tôi sẽ đánh giá cao hướng với vấn đề này.

#Character String 
x <- "I like 346 ice cream cones. They're 99 percent good! I ate 46." 

#Replacement Values Dataframe 
    symbol text      
1 "346" "three hundred forty six" 
2 "99" "ninety nine"    
3 "46" "forty six" 

#replacement dataframe 
numDF <- 
data.frame(symbol = c("346","99", "46"), 
      text = c("three hundred forty six", "ninety nine","forty six"), 
      stringsAsFactors = FALSE) 

kết quả mong muốn:

[1] "I like three hundred forty six ice cream cones. They're ninety nine percent good! You ate forty six?") 

EDIT: Tôi ban đầu được hưởng gsub có điều kiện này bởi vì đó là những gì nó có vẻ như với tôi mặc dù không có gsub liên quan.

Answer 1

Có lẽ đây, lấy cảm hứng từ câu trả lời Josh O'Brien của, hiện nó:

x <- "I like 346 ice cream cones. They're 99 percent good! I ate 46." 
numDF <- structure(c("346", "99", "46", "three hundred forty six", "ninety nine", 
"forty six"), .Dim = c(3L, 2L), .Dimnames = list(c("1", "2", 
"3"), c("symbol", "text"))) 

pat <- paste(numDF[,"symbol"], collapse="|") 
repeat { 
    m <- regexpr(pat, x) 
    if(m==-1) break 
    sym <- regmatches(x,m) 
    regmatches(x,m) <- numDF[match(sym, numDF[,"symbol"]), "text"] 
} 
x 

Answer 2

giải pháp này sử dụng gsubfn trong gói cùng tên:

library(gsubfn) 

(pat <- paste(numDF$symbol, collapse="|")) 
# [1] "346|99|46" 

gsubfn(pattern = pat, 
     replacement = function(x) { 
      numDF$text[match(x, numDF$symbol)] 
     }, 
     x) 
[1] "I like three hundred forty six ice cream cones. They're ninety nine percent good! I ate forty six." 

Answer 3

Bạn có thể chia vào khoảng trắng hoặc từ ranh giới (mà sẽ phù hợp giữa một từ và dấu chấm câu):

> x 
[1] "I like 346 ice cream cones. They're 99 percent good! I ate 46." 
> strsplit(x, split='\\s|\\>|\\<') 
[[1]] 
[1] "I"  "like" "346"  "ice"  "cream" "cones" "."  
[8] ""  "They" "'re"  "99"  "percent" "good" "!"  
[15] ""  "I"  "ate"  "46"  "."  

Sau đó, bạn có thể làm thay thế của bạn.

Answer 4

Đó là không chính xác rõ ràng cho dù bạn thực sự muốn chuyển đổi chữ số tương đương alpha của họ. Nếu vậy thì đây là một chiến lược tổng quát hơn nhiều. Có (ít nhất) hai hàm số để chuyển đổi văn bản trong lưu trữ rhelp: digits2text của Jim Lemon và numberstowords của John Fox. Tôi cũng chuyển sang gregexpr để có được một cách tiếp cận vectorized:

cắt và dán Lemon's function from the HTML found here làm việc ra khỏi hộp:

>  m <- gregexpr("[0-9]+", x) 
>  sym <- regmatches(x,m) 
>  regmatches(x,m) <- digits2text(as.numeric(sym[[1]])) 
illion = 0 
digilen = 3 
digitext = three hundred forty six 
[1] 6 4 3 
> 
> x 
[1] "I like three hundred forty six ice cream cones. They're three hundred forty six percent good! I ate three hundred forty six." 

tôi cần phải làm một số chỉnh sửa của numberstowords vì đã có một số linefeeds thiếu đó messed up phân tích cú pháp (và tôi bao gồm phiên bản thành công dưới sự chứng minh này:

>  m <- gregexpr("[0-9]+", x) 
>  sym <- regmatches(x,m) 
>  regmatches(x,m) <- numbers2words(as.numeric(sym[[1]])) 
> 
> x 
[1] "I like three hundred forty six ice cream cones. They're three hundred forty six percent good! I ate three hundred forty six." 

chức năng của Fox thay đổi nội dung từ: http://tolstoy.newcastle.edu.au/R/help/05/04/2715.html

numbers2words <- function(x){ 

    helper <- function(x){ 

     digits <- rev(strsplit(as.character(x), "")[[1]]) 
     nDigits <- length(digits) 
     if (nDigits == 1) as.vector(ones[digits]) 
     else if (nDigits == 2) 
      if (x <= 19) as.vector(teens[digits[1]]) 
       else trim(paste(tens[digits[2]], 
          Recall(as.numeric(digits[1])))) 
     else if (nDigits == 3) trim(paste(ones[digits[3]], "hundred", 
      Recall(makeNumber(digits[2:1])))) 
     else { 
      nSuffix <- ((nDigits + 2) %/% 3) - 1 
      if (nSuffix > length(suffixes)) stop(paste(x, "is too large!")) 
      trim(paste(Recall(makeNumber(digits[ 
       nDigits:(3*nSuffix + 1)])), 
       suffixes[nSuffix], 
       Recall(makeNumber(digits[(3*nSuffix):1])))) 
      } 
     } 
    trim <- function(text){ 
     gsub("^\ ", "", gsub("\ *$", "", text)) 
     }  


    makeNumber <- function(...) as.numeric(paste(..., collapse="")) 
    opts <- options(scipen=100) 
    on.exit(options(opts)) 
    ones <- c("", "one", "two", "three", "four", "five", "six", "seven", 

     "eight", "nine") 
    names(ones) <- 0:9 
    teens <- c("ten", "eleven", "twelve", "thirteen", "fourteen", "fifteen", 

     "sixteen", " seventeen", "eighteen", "nineteen") 
    names(teens) <- 0:9 
    tens <- c("twenty", "thirty", "forty", "fifty", "sixty", 
       "seventy", "eighty", "ninety") 
    names(tens) <- 2:9 
    x <- round(x) 
    suffixes <- c("thousand", "million", "billion", "trillion") 
    if (length(x) > 1) return(sapply(x, helper)) 
    helper(x) 
    } 

Answer 5

Một giải pháp khác sử dụng Reduce từ base.

list_df <- apply(numDF, 1, as.list) 
Reduce(function(x, l) gsub(l$symbol, l$text, x), list_df, init = x) 

EDIT. Dưới đây là giải pháp hoàn chỉnh sử dụng chức năng numbers2words trực tiếp ..

list_df <- as.numeric(regmatches(x, gregexpr('[0-9]+', x))[[1]]) 
Reduce(function(x, l) gsub(l, numbers2words(l), x), list_df, init = x)