连同上下文提取姓名
让我们再次使用关于瑞士政治人物的数据集。它包含两个变量：articles 是一组关于瑞士政治的新闻文章，politicians 是一个包含多位瑞士政治人物姓名的向量。
您已经按姓名统计了出现次数，但如果不仅能计数，还能看到这些姓名所处的语境，不是更有意思吗？例如，您可以比较女性与男性政治人物的上下文是否不同。为此，您需要提取政治人物姓名周围的文本。
由于文本同时包含单词字符 \\w，以及像句号 .、逗号 , 这类标点 [:punct:]，您需要创建一个同时匹配这两类字符的模式。
本练习是课程的一部分
R 中级正则表达式
练习说明
- 使用向量
politicians并将其折叠，像在第 2 章那样创建一个"或模式"。 - 在方括号
[]中创建一个自定义模式，既能匹配单词字符，也能匹配标点符号。 - 使用 glue，在
polit_pattern的前后都添加新建的context。其中\\s?表示政治人物姓名后可以有一个空格，也可以没有。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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
)