R语言如何统计字符串向量内每条评论的总语句数与唯一语句数

R完全可以实现该需求，核心是按指定分隔符拆分字符串后做计数即可，以下是可直接运行的实现方案。

• 以//为固定分隔符拆分每条评论的字符串内容
• 清理拆分后单条语句首尾的多余空格，过滤空字符串，避免格式问题导致的计数误差
• 拆分得到的向量长度即为该条评论的总语句数
• 向量去重后的长度即为该条评论的唯一语句数

基础R版本（无需安装额外依赖包） #

# 读入示例数据
data<- structure(list(comment = c("Gary Goss made all notificiations and calls.  Plow and vehicle // PD remains and MoDOT crews remain on scene. // 646 en route to check status of incident. // 646  was sent to check on a camera incident involving a tractor trailer of potatoes that needed to be uprighted from earlier in the night. ", 
"Crash with a TT and a sedan into the guarrdail. // 1 vehicle only sedan into the guard rail. // Guard Rail Damage located via camera. // MSHP  C  160122961  TROOPER LACEY   // NEED TO ESTIMATE "
)), class = "data.frame", row.names = c(NA, -2L))

# 定义单条评论的计数函数
calc_sent_count <- function(comment_text) {
  # 固定分隔符拆分，清理首尾空格
  sentences <- trimws(unlist(strsplit(comment_text, "//", fixed = TRUE)))
  # 过滤拆分产生的空字符串
  sentences <- sentences[nzchar(sentences)]
  c(
    total_sentences = length(sentences),
    unique_sentences = length(unique(sentences))
  )
}

# 批量处理所有评论，将结果合并到原数据框
count_result <- t(sapply(data$comment, calc_sent_count))
data <- cbind(data, count_result)

运行后示例数据的输出结果为：第一条评论总语句数4、唯一语句数4；第二条评论总语句数5、唯一语句数5，和实际内容匹配。

Tidyverse版本（适配日常数据处理工作流） #

如果日常使用dplyr+stringr处理数据，可以用更简洁的管道写法：

library(dplyr)
library(stringr)

data <- data %>%
  rowwise() %>%
  mutate(
    sent_split = list(trimws(str_split(comment, fixed("//"))[[1]])),
    sent_split = list(sent_split[nzchar(sent_split)]),
    total_sentences = length(sent_split),
    unique_sentences = length(unique(sent_split))
  ) %>%
  select(-sent_split) %>%
  ungroup()

注意：上述代码添加了空格清理、空串过滤步骤，如果你的数据不存在分隔符前后多余空格、首尾多余分隔符的格式问题，可以删除这部分逻辑，直接对拆分结果计数即可。

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