Tengo un data.frame
dónde en una de las columna tengo información que me interesa extraer, básicamente en la forma <clave> <valor>
pero con patrones variables y múltiples. Ejemplo:
df <- data.frame(id=1:3,
texto=c('"campo1=A" "campoX<B>"','"campo2=C" "campo3 : D"', '"campo1=E" "campo3 : F"')
)
df
id texto
1 1 "campo1=A" "campoX<B>"
2 2 "campo2=C" "campo3 : D"
3 3 "campo1=E" "campo3 : F"
La idea es usar patrones regulares, por la flexibilidad que eventualmente se necesitaría, en la realidad los patrones de extracción son algo más complejos que este ejemplo. Finalmente quisiera terminar con un data.frame
o matrix
similar a esta:
campo1 campo2 campox campo3
1 A <NA> B <NA>
2 <NA> C <NA> D
3 E <NA> <NA> F
Cada fila corresponde a una fila del data.frame
original, cada columna es una de las claves buscadas y obviamente se completan con el valor, siempre que este exista (eventualmente, podría haber filas con todas las columnas vacías), no se espera que exista más de una ocurrencia de cada clave en cada fila.
Intente usar el paquete stringr
, por la función str_match_all()
y se consigue algo interesante, pero no del todo cercano a lo que busco:
library(stringr)
str_match_all(string = c('"campo1=A"', '"campo2=C" "campo3 : D"'),
pattern = '"campo1=([^\\"]*)|"campo2=([^\\"]*)|"campo3 : ([^\\"]*)')
[[1]]
[,1] [,2] [,3] [,4]
[1,] "\"campo1=A" "A" NA NA
[[2]]
[,1] [,2] [,3] [,4]
[1,] "\"campo2=C" NA "C" NA
[2,] "\"campo3 : D" NA NA "D"
Con el or
(|
) podríamos encadenar todos los patrones que tenemos para cada valor a extraer, pero todavía habría que establecer que patrón encontrado corresponde a cada clave y transformar todo en un data.frame
. ¿Hay algo como lo que busco usando stringr
? ¿Hay otra forma de resolverlo?