擷取姓名與其前後文
讓我們再回到瑞士政治人物的資料集。它包含兩個變數：articles 是一組與瑞士政治相關的新聞文章，politicians 則是數個瑞士政治人物姓名所組成的向量。
你已經計算過每個姓名出現的次數。不過，若不只計數，還能看到這些姓名出現時的前後脈絡，不是更有意思嗎？例如，你可以比較女性與男性政治人物在脈絡上是否有所不同。為了做到這點，你需要擷取政治人物姓名周圍的文字。
由於本文同時包含單字字元 \\w 與像句點 .、逗號 , 之類的標點 [:punct:]，你需要建立一個同時能比對這兩種字元的樣式。
本練習屬於課程
R 中級 Regular Expressions
練習說明
- 使用向量
politicians，將其串接成一個「or 樣式」，就像你在第 2 章所做的那樣。 - 在方括號
[]中建立一個自訂樣式，能同時比對單字字元與標點符號。 - 使用 glue，將新建立的
context同時加在polit_pattern的前後。\\s?表示在政治人物姓名之後可以有空白或沒有空白。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Create our polit_pattern again by collapsing "politicians"
polit_pattern <- glue_collapse(___, sep = "|")
# Match one or more word characters or punctuations
context <- "([___[___]]+\\s){0,10}"
# Add this pattern in front and after the polit_pattern
polit_pattern_with_context <- glue(
"{___}({polit_pattern})\\s?{___}"
)
str_extract_all(
articles$text,
pattern = polit_pattern_with_context
)