R语言如何使用stringr的word函数提取句子至多前3个单词

方法1：结合单词计数动态调用word()函数 #

先统计每个句子的实际单词数，调用word()时结束位置取实际单词数和3的较小值，避免返回NA。

library(stringr)
sentences <- c("Jane saw a cat", "Jane sat down", "Jane sat", "Jane")
# 统计每个句子的单词数
word_cnt <- str_count(sentences, "\\S+")
# 动态取前min(3, 单词数)个词
res <- mapply(function(s, n) word(s, 1, min(3, n)), sentences, word_cnt, USE.NAMES = F)

运行后res的输出为："Jane saw a" "Jane sat down" "Jane sat" "Jane"

方法2：正则表达式直接替换（更简洁） #

用正则匹配句子开头至多3个单词，直接删掉后续内容，无需循环和额外计数：

library(stringr)
sentences <- c("Jane saw a cat", "Jane sat down", "Jane sat", "Jane")
res <- str_replace(sentences, "^((\\S+\\s+){0,2}\\S+).*$", "\\1")

方法3：纯Base R实现（无需加载第三方包） #

用基础函数拆分字符串后取前3项再拼接：

sentences <- c("Jane saw a cat", "Jane sat down", "Jane sat", "Jane")
sent_list <- strsplit(sentences, "\\s+")
res <- sapply(sent_list, function(x) paste(head(x, 3), collapse = " "))

内容的提问来源于stack exchange，提问作者dano_