如何在R语言中提取"Administering Provider"后的姓名子字符串？

需求 #

从文本中提取“Administering Provider”之后的人名（可包含名、中间名、姓），忽略人名后的头衔（如R.N.）及后续无关内容。

给定数据框 #

df <- data.frame("id"= c(12, 19, 20), 'comments' = c('APK COMMENTS FOR APK LOG ID (145991): APK ADMINISTERING PROVIDER: LAURA ABE LE\rAPK ORDERING PROVIDER: EMMA COURTIER (CMS:19928)',
                                               'APK LOG ID (45664705): APK Administering Provider: CHASITY MCDANIELS (1972609856:0000034)\rAPK ORDERING PROVIDER: PAUL LAMAR (19785663:19928476)',
                                               'APK ADMINISTERING PROVIDER: JOHN DOE, R.N. (EPIC:107080)\rAPK ORDERING PROVIDER: OHM LOHAN (EPIC:1987)'))

原代码问题 #

原代码存在两处关键错误：

1. 第一步sub的正则仅匹配单个字符前缀，未覆盖关键词前的所有内容，替换后仍保留后续无关文本；
2. 第二步gsub错误使用原comments列而非处理后的name列，前序替换完全无效，同时未处理人名后的头衔。

解决方案 #

方法1：使用tidyverse的stringr包（更直观）

library(tidyverse)

updated.df <- df %>%
  mutate(
    administering_provider = str_extract(comments, 
                                        "(?i)administering provider:\\s*([A-Za-z ]+?)(?:,?\\s*[A-Z.]+\\.?|(?=\\s*\\(|APK))") %>%
      str_remove("(?i)administering provider:\\s*") %>%
      trimws()
  )

方法2：Base R一步完成

updated.df <- df %>%
  mutate(
    administering_provider = trimws(sub("(?i).*administering provider:\\s*([A-Za-z ]+?)(?:,?\\s*[A-Z.]+\\.?|\\s*\\(|APK).*", "\\1", comments))
  )

结果说明 #

处理后administering_provider列将得到：

• 12号id：LAURA ABE LE
• 19号id：CHASITY MCDANIELS
• 20号id：JOHN DOE

完全符合提取人名、忽略头衔及后续内容的需求。

内容的提问来源于stack exchange，提问作者user3813620