在R中提取CSV对话文本中的英文与西班牙语文本方案咨询

推荐工具：Python + pandas + re #

这是最高效的批量处理方案，无需手动逐个单元格操作，直接处理整个CSV文件。

步骤说明 #

1. 先安装依赖（如果没装过）：

pip install pandas

2. 运行以下代码（替换成你的文件路径和列名）：

import pandas as pd
import re

# 读取CSV文件，把'transcript'改成你实际的对话列名
df = pd.read_csv('你的对话文件.csv')

# 正则匹配方括号内的西班牙语内容
spanish_regex = re.compile(r'\[(.*?)\]')

# 提取所有西班牙语片段，用空格连接
df['spanish_content'] = df['transcript'].apply(lambda text: ' '.join(spanish_regex.findall(text)))

# 提取英文：移除所有方括号及内部内容，清理多余空格
df['english_content'] = df['transcript'].apply(lambda text: re.sub(r'\[.*?\]', '', text).strip())
df['english_content'] = df['english_content'].apply(lambda text: re.sub(r'\s+', ' ', text))

# 导出为独立文件
df['english_content'].to_csv('英文内容.csv', index=False, header=['英文'])
df['spanish_content'].to_csv('西班牙语内容.csv', index=False, header=['西班牙语'])

关键细节解释 #

• re.compile(r'\[(.*?)\]')：用非贪婪匹配精准抓取每一个方括号内的西语内容，避免误匹配跨多个方括号的文本
• apply方法：批量对CSV的每一行执行提取逻辑，全程自动化
• to_csv参数：index=False避免生成多余的索引列，header可以自定义导出文件的列名

备选：Excel内置公式（适合不想写代码的场景） #

如果不想用Python，也可以用Excel公式批量处理，但效率不如代码：

• 提取西班牙语（需选中整列输入后按Ctrl+Shift+Enter触发数组公式）：

  =TEXTJOIN(" ",TRUE,IF(ISNUMBER(SEARCH("]",A:A)),MID(A:A,SEARCH("[",A:A)+1,SEARCH("]",A:A)-SEARCH("[",A:A)-1),""))
  

• 提取英文：

  =TRIM(CLEAN(SUBSTITUTE(SUBSTITUTE(A1,"[",""),"]","")))
  

  下拉公式覆盖所有行后，复制结果列粘贴到新文件即可。

内容的提问来源于stack exchange，提问作者CogNeuro123