如何提取电子表格中含“India”的句子并保留File列？偏好KNIME/R

KNIME 实现方法 #

场景1：筛选内容列含"India"的整行 #

• 用 File Reader 节点导入电子表格数据
• 添加 Row Filter 节点，设置过滤规则：选择内容列，使用 contains("India")（需忽略大小写时改用 containsIgnoreCase("India")）
• 运行后即可得到保留File列、仅包含目标内容的行

场景2：拆分内容中的句子，提取含"India"的条目并关联原File列 #

• 用 File Reader 导入数据
• 添加 String Splitter 节点，按句子分隔符（如 ". "）拆分内容列，开启"Split to rows"选项
• 添加 Row Filter 节点，过滤拆分后内容列包含"India"的行
• 最终结果会保留原File列，仅显示含"India"的句子

R 实现方法 #

假设数据框为df，File是文件名列，Content是存储句子的列：

场景1：筛选整行 #

# 加载依赖包（按需读取文件）
library(readxl)
library(dplyr)

# 读取数据（示例为Excel文件）
df <- read_excel("你的文件路径.xlsx")

# 筛选并保留目标列
result <- df %>%
  filter(grepl("India", Content)) %>%
  select(File, Content)

print(result)

场景2：拆分句子后提取目标条目 #

library(tidyverse)

# 读取数据
df <- read_excel("你的文件路径.xlsx")

# 拆分句子、过滤、保留关联的File列
result <- df %>%
  mutate(Content = str_split(Content, "\\. ")) %>%
  unnest(Content) %>%
  filter(str_detect(Content, "India")) %>%
  select(File, Content)

print(result)

其他方案（Excel） #

• 在空白列输入公式：=IF(ISNUMBER(SEARCH("India", B2)), B2, "")（B列为内容列）
• 下拉填充后，筛选该列非空行，即可保留File列和含"India"的内容
• 也可直接用Excel筛选功能：内容列→文本筛选→包含→输入"India"

内容的提问来源于stack exchange，提问作者Pinky Rosie