如何修改正则模式提取含ba的完整句子适配R语言find.all.matches函数

适配find.all.matches的正则模式 #

直接使用以下正则模式即可提取所有包含ba的完整句子（支持大小写不敏感匹配，若需严格匹配小写ba可去掉(?i)前缀）：

pattern <- "(?i)(?<=^|(?<=[.!?]\\s))[^.!?]*ba[^.!?]*[.!?]"

正则逻辑说明 #

• (?i)：开启大小写不敏感匹配，确保能捕获包含BA/Ba/bA的句子
• (?<=^|(?<=[.!?]\\s))：定位句子起始位置——要么是摘要文本的开头，要么是上一句结束标点（./!/?）加空格后的位置
• [^.!?]*：匹配任意非句子结束标点的字符，避免跨句子匹配
• ba：指定要匹配的核心关键词
• [.!?]：匹配句子的结束标点，确保提取内容为完整句子

函数调用示例 #

假设你的数据框为journal_df，摘要列名为abstract，直接代入find.all.matches函数即可：

result <- find.all.matches(journal_df, col = "abstract", pattern = pattern)

特殊场景优化（可选） #

如果摘要中存在带缩写的句子（如U.S.A.），基础正则可能误分割，可调整为更精准的模式（仅匹配大写字母开头的规范句子）：

pattern_optimized <- "(?i)(?<=^|(?<=[.!?]\\s)[A-Z])[^.!?]*ba[^.!?]*[.!?]"

内容的提问来源于stack exchange，提问作者Melissa Duda