使用文本数据及循环填充R数据框失败的技术咨询

咱们先拆解下你代码里的几个核心问题，然后给出修正后的实现：

代码里的关键问题 #

• 变量名不一致：你定义的文本集合是us_docx，但循环里却用了us_doc，这会直接导致"找不到对象"的报错；
• 正则匹配不精准：原文本里的手册名称是Employee Handbook 2019. docx（句号后有空格），但你写的匹配规则是Employee Handbook 2019.docx（无空格），所以根本匹配不到目标内容；
• rbind用法错误：你直接把单个值（比如i、handbook）和空数据框绑定，会导致数据框结构完全混乱，应该每次构建一行的小数据框再合并；
• 初始数据框的问题：空数据框直接rbind容易出现类型不兼容的问题，用列表先收集每行数据再合并更稳妥。

修正后的完整代码 #

# 模拟文本数据
us_doc1 <- "This is a sample text which has lots of bla bla bla text data. Employee Handbook 2019. docx Page 1."
us_doc2 <- "This is another sample text which has lots of bla bla bla text data. Employee Handbook 2019. docx Page 2."
us_docx <- unlist(list(us_doc1, us_doc2))

# 用列表收集每行数据（比循环rbind效率更高）
usDoc_list <- list()

# 循环处理每一页文本
for (i in seq_along(us_docx)) {
  # 读取当前页文本
  x <- us_docx[i]
  # 移除多余空格，统一格式
  x <- gsub("\\s+", " ", x)
  # 按句号（带可选空格）分割句子
  x_split <- unlist(strsplit(x, "\\.\\s*"))
  
  # 提取手册名称：兼容文本里的空格格式
  handbook <- x_split[grep(pattern = "Employee Handbook 2019.*docx", x_split, ignore.case = TRUE)]
  # 提取页码信息
  PageReference <- x_split[grep(pattern = "docx Page", x_split, ignore.case = TRUE)]
  # 提取开头的主文本内容
  main_text <- x_split[1]
  
  # 将当前行数据存入列表
  usDoc_list[[i]] <- data.frame(
    v1 = i,
    v2 = handbook,
    v3 = PageReference,
    v4 = main_text,
    stringsAsFactors = FALSE
  )
}

# 合并列表为最终数据框
usDoc <- do.call(rbind, usDoc_list)

# 查看结果
print(usDoc)

运行后会得到你期望的结构：

v1                          v2           v3                                                                 v4
1  1 Employee Handbook 2019. docx docx Page 1 This is a sample text which has lots of bla bla bla text data
2  2 Employee Handbook 2019. docx docx Page 2 This is another sample text which has lots of bla bla bla text data

额外优化小建议 #

• 用seq_along(us_docx)代替1:length(us_docx)，避免当文本集合为空时出现无效的1:0循环；
• 如果需要进一步清理v2列的格式（比如去掉多余空格），可以加一行handbook <- gsub("\\s+", " ", handbook)；
• 数据量较大时，用列表收集再合并的方式比循环里反复rbind效率高很多。

内容的提问来源于stack exchange，提问作者loveR