R语言如何从data frame的text列提取含指定关键词的句子到新列

方案1：tidyverse 实现（推荐，逻辑清晰易调整） #

依赖dplyr和stringr两个常用包，不需要复杂语法：

# 加载依赖包
library(dplyr)
library(stringr)

# 定义待匹配关键词
needles = c("first", "hope", "analyze", "happy")
# 构造匹配正则，\\b代表单词边界，避免部分匹配（比如happy不会匹配happily），不需要可删除\\b
match_pattern <- paste0("\\b", needles, "\\b", collapse = "|")

# 批量处理生成findings列
mydata <- mydata %>%
  mutate(
    findings = sapply(text, function(cur_text) {
      # 按句号+可选空格拆分单句，过滤空值
      sentences <- str_split(cur_text, "\\.\\s?", simplify = T) %>% .[. != ""]
      # 筛选包含任意关键词的句子
      matched_sentences <- sentences[str_detect(sentences, match_pattern)]
      # 拼接结果，无匹配返回NA
      ifelse(length(matched_sentences) > 0, paste0(matched_sentences, collapse = ". "), NA_character_)
    })
  )

方案2：Base R 实现（无需额外安装包） #

完全用R自带函数实现，适配无网络/无权限装包的场景：

needles = c("first", "hope", "analyze", "happy")
match_pattern <- paste0("\\b", needles, "\\b", collapse = "|")

mydata$findings <- sapply(mydata$text, function(cur_text) {
  sentences <- unlist(strsplit(cur_text, "\\.\\s?"))
  sentences <- sentences[sentences != ""]
  matched_sentences <- sentences[grepl(match_pattern, sentences)]
  if(length(matched_sentences) > 0) paste0(matched_sentences, collapse = ". ") else NA
})

适配调整说明 #

• 如果句子结尾包含问号、感叹号，可将拆分正则从\\.\\s?改为[.!?]\\s?，适配更多句式
• 若需要模糊匹配（比如关键词first可匹配firstly），删除构造match_pattern时的\\b即可
• 单条文本包含上千句的大体积数据场景，可将sapply替换为vapply指定返回值类型，提升运行效率

内容的提问来源于stack exchange，提问作者MDStat