Temat: Szukanie wyrażenia/frazy w tekście

Witam,

mam następujący problem.

Chce w tekście znaleźć frazy, które rozpoczynają się "title:" lub "url:" ale tekst następujący po tych frazach składa się z liter, cyfr, znaków interpunkcyjnych i spacji a do tego mogą być za każdym razem innej długości.

Przykładowo:

title:"Mieszkanie na sprzedaż - Poznań, Grunwald, Krauthofera, 42m2",
address:"Poznań, Krauthofera",
img:"http://m.onet.pl/_m/60528da8ed8f4fd533d473f44fce059e,2,59.jpg",
url:"166332576,mieszkanie,Mieszkanie_na_sprzedaz_-_Poznan__Grunwald__Krauthofera__42m2,ogloszenie.html",

a wynikiem ma być lista:

"title: <tytuł1>" "title:<tytuł2>" itd.
"url: <url1>" "url:<url2>" itd.

a o to kod z tymi danymi:

x<-"SearchPoisCollection.push({\n               type:\"nier\", \n               iconUrl:\"/_d/poi_graphics/ogloszenia_icon.swf\", \n               id:\"166404184\", \n               x:\"16.8904\", \n               y:\"52.3914\", \n               kind:\"mieszkanie\", \n               accurate:\"ulica\", \n               title:\"Mieszkanie na sprzedaĹĽ - PoznaĹ„, GĂłrczyn, Jarochowskiego, 52m2\", \n               address:\"PoznaĹ„, Jarochowskiego\", \n               img:\"http://m.onet.pl/_m/669f9004d8991418e71740aca03233b7,2,59.jpg\",\n               url:\"166404184,mieszkanie,Mieszkanie_na_sprzedaz_-_Poznan__Gorczyn__Jarochowskiego__52m2,ogloszenie.html\", \n               area:\"52 m²\", \n               price:\"275 000 zĹ‚\", \n               isinnote:\"0\"\n            });SearchPoisCollection.push({\n               type:\"nier\", \n               iconUrl:\"/_d/poi_graphics/ogloszenia_icon.swf\", \n               id:\"166146962\", \n               x:\"16.8874\", \n               y:\"52.3873\", \n               kind:\"mieszkanie\", \n               accurate:\"ulica\", \n               title:\"Mieszkanie na sprzedaĹĽ - PoznaĹ„, GĂłrczyn, KuĹşnicza, 63m2\", \n               address:\"PoznaĹ„, KuĹşnicza\", \n               img:\"http://m.onet.pl/_m/3af28770c56ea9b13d6977981a8cc44b,2,59.jpg\",\n               url:\"166146962,mieszkanie,Mieszkanie_na_sprzedaz_-_Poznan__Gorczyn__Kuznicza__63m2,ogloszenie.html\", \n               area:\"63 m²\", \n               price:\"319 000 zĹ‚\", \n               isinnote:\"0\"\n            });"

Wiem jak mogę określić długość występowania danego wyrażenia ale nie wiem jak mogę zapisać w wyrażeniach regularnych wszystkie możliwe znaki, które występują do przecinka kończącego daną linię.

Napisałem coś takiego:

library(stringr)



#dla id

idiki<-str_extract_all(x,'id:\\"\\d{1,}')



#dla wsp geograficznych

iks<- str_extract_all(x,'x:\\"\\d{2}\\.\\d{1,}')

igrek<- str_extract_all(x,'y:\\"\\d{2}\\.\\d{1,}')



#typ

typ<-str_extract_all(x,'kind:\\"[[:alnum:]]{1,}')



#a teraz ta część, którą nie wiem jak zapisać



title<-str_extract_all(x,'title:\\"[[:alnum:]]{1,}')

próbowałem również kombinować z:

title<-str_extract_all(x,'title:\\"(([[:alnum:]]){1,}(\\s){1,}){1,}') ## i tak dalej





######### EDIT#########



#próbowałem jeszcze:

title<-str_extract_all(x,'title:\\"[[:print:]]{1,}'

ale takie rozwiązanie możne nie działać dla różnych znaków, które pojawiają się po dwukropku.

Z góry dziękuję za pomoc :)

pozdr,
MBMaciej B. edytował(a) ten post dnia 22.02.12 o godzinie 18:33

Temat: Szukanie wyrażenia/frazy w tekście

Witam,

udało się to obejść, w związku z tym, że ta część danych pochodzi z JavaScript jest do tego oddzielny pakiet RJSONIO.

o to kod:

library(RJSONIO)



x<-unlist(strsplit(x,'SearchPoisCollection.push\\('))

x<-x[-which(nchar(x)<300)]



if ( length(which(nchar(x)>1500))!=0 ){

  x<-x[-which(nchar(x)>1500)]

}



x<-unlist(strsplit(x,'\\);'))

aa<-lapply(x,fromJSON)

aa<-do.call('cbind',aa)

rownames(aa)<-NULL

Sorry za zaśmiecanie forum ale nie dawało mi to spokoju :)Maciej B. edytował(a) ten post dnia 22.02.12 o godzinie 19:23

Temat: Szukanie wyrażenia/frazy w tekście

A może coś takiego?

str_match_all(x, "(url|title):(.*?),\\n")

Dostajesz elegacką tablicę, z której możesz łatwo wyciągnąć wszystkie potrzebne informacje :-)
Wada tego rozwiązania: przeszukiwany ciąg musi być zakończony znakiem końca linii (nie udało mi się zmusić eRa, żeby traktował końce linii jako "$").