经由R个

Question

移文字在一个句子我周围有电影名称的R数据帧像这样：

Shawshank Redemption, The 
Godfather II, The 
Band of Brothers 

我想显示这些名称为：

The Shawshank Redemption 
The Godfather II 
Band of Brothers 

任何人都可以使用如何帮助检查数据框的每一行，以查看上面逗号（如）后是否有'The'，如果存在，则将其移到句子的前面？

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) 

结果：

> 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 

数据：

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：

整个正则表达式的目标是组的第一部分（,前部）和第二部分（“的”后,并且仅当它是在末端或(year)之前）到单独的捕捉组，我可以用\\2交换和\\1

• ^([\\w\\s]+)任何单词字符或空格一次或多次从字符串的开头开始匹配
个
• ,*\\s*匹配逗号和空间都零次或多次
• [Tt]he*匹配“的”或“该”零次或多次
• 注意，它后跟($|(?=\\s\\(\\d{4}\\)))相匹配的“字符串的结束”，$，或积极的前瞻，它检查前面的模式是否跟随\\s\\(\\d{4}\\)
• \\s\\(\\d{4}\\)匹配一个空格和(4 digits)包括圆括号。需要双反斜线逃避单反斜线
• 所以([Tt]he*($|(?=\\s\\(\\d{4}\\))))匹配“的”或“”无论是在字符串的结尾，或者如果它后面括号(4 digits)
• 一切都是捕捉组，所以\\2 \\1交换第一捕获组，([\\w\\s]+)，第二个，([Tt]he*($|(?=\\s\\(\\d{4}\\))))
• 现在，由于“The”只与[Tt]he*匹配零次或多次，如果字符串中没有“The”，则会交换空字符串，其中\\1 ，它返回原始字符串。

Answer 2

这似乎为我工作：

#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，这不排除“中的”来自比端其他名称的任何地方...我认为这是你想要的行为。它也会错过没有逗号的任何“The”，或小写“the”。要明白我的意思，试试这个作为你最初的电影载体：

#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")