作者pp61022 (fight)
看板R_Language
標題[問題] 中英文分割成兩變數
時間Fri Jul 21 13:32:26 2017
[問題類型]:
程式諮詢(我想用R 做某件事情，但是我不知道要怎麼用R 寫出來)
[軟體熟悉度]:
使用者(已經有用R 做過不少作品)
[問題敘述]:
我有一個變數是字串，裡面同時包含中文英文，但沒有任何分隔符號。
例如：
[1] "劍橋大學University of Cambridge"
[2] "皇家理工學院（帝國理工學院）Imperial College London"
[3] "加州大學洛杉磯分校University of California-Los Angeles"
[4] "Melbourne University"
......
......
我想把這個變數拆成兩個變數
"學校中譯", "學校英名"
如：
[1] "劍橋大學", "University of Cambridge"
[2] "皇家理工學院（帝國理工學院）", "Imperial College London"
[3] "加州大學洛杉磯分校" , "University of California-Los Angeles"
[4] NA, "Melbourne University"
...
...
這變數有一部分含中譯，一部分只有英文，
因為他中文字長度不一樣，沒辦法直接取個數分割，
不過有中譯結尾都是"學院", "大學", "分校"(但並非整個字串的結尾）
剛接觸文字清理，對全部函數還沒辦法通透運用，有搜尋一陣子但都無法達成想要的結果
，想請教版友有沒有好方法可以將中英文完整分割成兩個變項，謝謝版友。
或是沒辦法中英文分割，能否只留下英文，之後我再自己串中英文對照，謝謝版友。
[程式範例]:
[環境敘述]:
請提供 sessionInfo() 的輸出結果，
裡面含有所有你使用的作業系統、R 的版本和套件版本資訊，
讓版友更容易找出錯誤
[關鍵字]:
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.136.2.156
※ 文章網址: https://webptt.com/m.aspx?n=bbs/R_Language/M.1500615148.A.A2E.html
1F：推 cccc12345: your_string <- "劍橋大學University of Cambridge" 07/21 14:12
2F：→ cccc12345: chinese <-strsplit(your_string ,"[a-zA-Z]")[[1]][1] 07/21 14:12
3F：→ cccc12345: english<-sub(chinese,replacement="",your_string) 07/21 14:12
4F：→ cccc12345: 字串切割基本上除了中文就看Regular Expressions 07/21 14:15
5F：→ pp61022: 謝謝您的提醒！我再把Regular expression多摸熟 07/21 18:09