在数据框指定列中提取目标关键词前后指定数量字符的实现方案咨询

嗨 Debbie，这个需求完全可以实现！我们可以借助R里的stringr和dplyr包来高效完成这个任务，下面是具体的实现步骤和代码示例：

1. 准备工作：定义参数与加载包 #

首先我们先加载处理字符串和数据框的必备包，同时定义你的目标关键词列表，以及想要提取的前后字符数（这里用x=20作为示例，你可以根据需求调整）：

# 加载所需包
library(stringr)
library(dplyr)

# 定义目标关键词
words <- c('corona','covid','infection','positive','test','negative','result','antigen','covid19','unknown')
# 设置要提取的关键词前后字符数
x <- 20

2. 构造匹配正则表达式 #

我们需要构造一个正则表达式，用来捕获关键词前0到x个字符、关键词本身，以及关键词后0到x个字符：

# 拼接正则模式：捕获组1=关键词前内容，捕获组2=关键词，捕获组3=关键词后内容
pattern <- paste0("(.{0,", x, "})(", paste(words, collapse = "|"), ")(.{0,", x, "})")

3. 提取单个匹配结果（每行第一个关键词） #

如果你的每条评论里最多只有一个目标关键词，或者只需要提取第一个匹配的关键词前后内容，可以用下面的代码：

# 处理数据框，生成前后字符列
result_df <- df %>%
  mutate(
    # 执行匹配，返回包含捕获组的矩阵
    match_result = str_match(comment, regex(pattern, ignore_case = TRUE)),
    # 提取关键词前的字符，去除前后空格
    before_word = ifelse(is.na(match_result[,2]), NA, str_trim(match_result[,2])),
    # 提取关键词后的字符，去除前后空格
    after_word = ifelse(is.na(match_result[,3]), NA, str_trim(match_result[,4]))
  ) %>%
  # 移除中间的匹配结果矩阵列（可选）
  select(-match_result)

这里用regex(pattern, ignore_case = TRUE)是为了实现不区分大小写匹配，比如评论里的“Covid”“POSITIVE”也能被正确识别；str_trim用来清理结果前后的多余空格，让输出更整洁。如果某行没有匹配到任何关键词，before_word和after_word会显示为NA。

4. 提取多个匹配结果（每行所有关键词） #

如果你的评论里可能存在多个目标关键词，想要提取所有匹配项的前后内容，可以用str_match_all来实现：

# 提取所有匹配结果
result_df_multi <- df %>%
  mutate(
    # 获取该行所有匹配结果，返回列表形式的矩阵
    all_matches = str_match_all(comment, regex(pattern, ignore_case = TRUE)),
    # 提取所有匹配项的前序字符
    before_words = lapply(all_matches, function(m) if(length(m)==0) NA else str_trim(m[,2])),
    # 提取所有匹配项的后序字符
    after_words = lapply(all_matches, function(m) if(length(m)==0) NA else str_trim(m[,4]))
  )

此时before_words和after_words是列表列，每个元素对应该行所有匹配到的关键词的前后字符。如果想要把这些结果展开成多行（每个关键词对应一行），可以用tidyr包的unnest函数：

library(tidyr)
# 展开列表列为多行
result_df_multi_expanded <- result_df_multi %>%
  unnest(c(before_words, after_words), keep_empty = TRUE)

5. 结果说明 #

运行完上述代码后，你会得到包含原ID、comment列，以及新增的before_word/before_words、after_word/after_words列的数据框，完全符合你想要的提取关键词前后字符并分栏存放的需求。

备注：内容来源于stack exchange，提问作者Debbie Oomen