版权声明：本套课程材料开源，使用和分享必须遵守「创作共用许可协议 CC BY-NC-SA」（来源引用-非商业用途使用-以相同方式共享）。
正则表达式基础
info = "
导演: 饺子
编剧: 饺子
主演: 吕艳婷 / 囧森瑟夫 / 瀚墨 / 陈浩 / 绿绮 / 张珈铭 / ...
类型: 剧情 / 喜剧 / 动画 / 奇幻
制片国家/地区: 中国大陆
语言: 汉语普通话
上映日期: 2025-01-29(中国大陆)
片长: 144分钟
又名: 哪吒2 / 哪吒2之魔童闹海 / Ne Zha 2
IMDb: tt34956443
"
info[1] "\n导演: 饺子\n编剧: 饺子\n主演: 吕艳婷 / 囧森瑟夫 / 瀚墨 / 陈浩 / 绿绮 / 张珈铭 / ...\n类型: 剧情 / 喜剧 / 动画 / 奇幻\n制片国家/地区: 中国大陆\n语言: 汉语普通话\n上映日期: 2025-01-29(中国大陆)\n片长: 144分钟\n又名: 哪吒2 / 哪吒2之魔童闹海 / Ne Zha 2\nIMDb: tt34956443\n"
导演: 饺子
编剧: 饺子
主演: 吕艳婷 / 囧森瑟夫 / 瀚墨 / 陈浩 / 绿绮 / 张珈铭 / ...
类型: 剧情 / 喜剧 / 动画 / 奇幻
制片国家/地区: 中国大陆
语言: 汉语普通话
上映日期: 2025-01-29(中国大陆)
片长: 144分钟
又名: 哪吒2 / 哪吒2之魔童闹海 / Ne Zha 2
IMDb: tt34956443【探索发现】如何提取电影变量？
- 如何从原始文本数据中提取：
- 导演：“饺子”
- 类型：“剧情 / 喜剧 / 动画 / 奇幻”
- 片长：“144”
- 上映日期：“2025-01-29”
[1] "饺子"[1] "剧情 / 喜剧 / 动画 / 奇幻"[[1]]
[1] "剧情" "喜剧" "动画" "奇幻"[1] "144"[1] "2025-01-29(中国大陆)"[1] "2025-01-29"str_extract(info, "(?<=上映日期: ).*(?=\\n)") %>%
str_extract("\\d{4}-\\d{2}-\\d{2}") %>%
str_remove_all("-")[1] "20250129"【探索发现】如何统计《心理学报》历届编委会成员频次？
《心理学报》编委会：https://journal.psych.ac.cn/xlxb/CN/column/column3.shtml
url = "https://journal.psych.ac.cn/xlxb/CN/column/column3.shtml"
xml = read_html(url)
text = xml %>% html_element(".content_nr li") %>% html_text()
text %>% str_split("\\s{3,}") %>% unlist() [1] ""
[2] "主编："
[3] "傅小兰（中国科学院心理研究所）"
[4] "副主编："
[5] "蔡华俭（美国俄克拉荷马大学心理学系）"
[6] "丁锦红（首都师范大学）"
[7] "甘怡群（北京大学）"
[8] "郭秀艳（复旦大学）"
[9] "刘 勋（中国科学院心理研究所）"
[10] "龙立荣（华中科技大学）"
[11] "王穗苹（华南师范大学）"
[12] "谢晓非（北京大学）"
[13] "编委："
[14] "陈楚侨（中国科学院心理研究所）"
[15] "陈传升（University of California, Irvine, USA）"
[16] "陈 红（西南大学）"
[17] "陈庆荣（南京师范大学）"
[18] "戴先炽（香港中文大学）"
[19] "杜 峰（中国科学院心理研究所）"
[20] "杜 忆（中国科学院心理研究所）"
[21] "方晓义（北京师范大学）"
[22] "付秋芳（中国科学院心理研究所）"
[23] "龚平原（西北大学）"
[24] "管 健（南开大学）"
[25] "韩布新（中国科学院心理研究所）"
[26] "贺 伟（南京大学）"
[27] "胡晓晴（香港大学）"
[28] "蒋 毅（中国科学院心理研究所）"
[29] "蒯曙光（华东师范大学）"
[30] "李超平（中国人民大学）"
[31] "李 健（北京大学）"
[32] "李 康（University of Toronto, Canada）"
[33] "李寿欣（山东师范大学）"
[34] "李文东（香港中文大学）"
[35] "李兴珊（中国科学院心理研究所）"
[36] "李永娟（中国科学院心理研究所）"
[37] "连 榕（福建师范大学）"
[38] "刘 超（北京师范大学）"
[39] "刘 力（北京师范大学）"
[40] "刘 文（辽宁师范大学）"
[41] "陆佳芳（香港教育大学）"
[42] "栾胜华（中国科学院心理研究所）"
[43] "苗丹民（空军军医大学）"
[44] "穆 妍（中国科学院心理研究所）"
[45] "秦绍正（北京师范大学）"
[46] "邱炳武（中国科学院心理研究所）"
[47] "任志洪（华中师范大学）"
[48] "苏彦捷（北京大学）"
[49] "涂艳苹（香港理工大学）"
[50] "王 力（中国科学院心理研究所）"
[51] "王玮文（中国科学院心理研究所）"
[52] "王晓田（香港中文大学〔深圳〕）"
[53] "王振宏（陕西师范大学）"
[54] "温忠麟（华南师范大学）"
[55] "吴艳红（北京大学）"
[56] "辛 涛（北京师范大学）"
[57] "辛自强（中国人民大学）"
[58] "徐 岚（武汉大学）"
[59] "阎书昌（河北师范大学）"
[60] "喻 丰（武汉大学）"
[61] "张 丹（清华大学）"
[62] "张 雷（澳门大学）"
[63] "张力为（北京体育大学）"
[64] "张清芳（中国人民大学）"
[65] "张向阳（中国科学院心理研究所）"
[66] "郑晓明（清华大学）"
[67] "郑晓莹（中山大学）"
[68] "周国梅（中山大学）"
[69] "周欣悦（浙江大学）"
[70] "周永迪（深圳大学）"
[71] "编辑部：李金珍 曾敏 邱炳武"
[72] "第十一届编委会（2018-2021）"
[73] "主编：李纾"
[74] "副主编：白学军、蔡华俭、郭秀艳、刘勋、龙立荣、沈模卫、谢晓非、许燕"
[75] "编委：陈传升、陈红、陈欣银、丁锦红、杜峰、杜忆、傅世敏、甘怡群、韩布新、韩在柱、胡晓晴、蒋毅、李东进、李健、李康、李文东、李永娟、连榕、刘嘉、栾胜华、罗跃嘉、苗丹民、邱炳武、任志洪、隋南、涂艳苹、王辉、王力、王穗苹、王晓田、王益文、温忠麟、翁旭初、吴艳红、辛涛、徐岚、薛贵、阎书昌、杨百寅、叶铮、游旭群、张积家、张力为、张向阳、周晓林、周欣悦、周永迪、朱莉琪、邹泓"
[76] "第十届编委会（2014-2017）"
[77] "主编：张侃"
[78] "副主编：冯海岚、侯杰泰、李纾、舒华、苏彦捷、游旭群、张建新"
[79] "编委：白学军、蔡华俭、陈欣银、符国群、傅世敏、郭本禹、郭春彦、郭秀艳、韩布新、韩在柱、江光荣、蒋毅、康萤仪、乐国安、李兴珊、连榕、刘嘉、刘勋、龙立荣、罗劲、罗跃嘉、苗丹民、区永东、钱铭怡、邱炳武、沈模卫、隋南、王辉、王穗苹、王晓田、翁旭初、吴艳红、谢晓非、辛涛、许燕、严进、阎书昌、杨百寅、余嘉元、张积家、张结海、张雷、张庆林、张志学、周晓林、周永迪、朱莉琪、邹泓"
[80] "第九届编委会（2010-2013）"
[81] "主编：林文娟"
[82] "副主编：张妙清、韩世辉、舒华、叶浩生、张建新"
[83] "编委：白学军、陈钧承、张雷、陈瑞燕、陈晓萍、陈欣银、赵志裕、董奇、傅世敏、傅小兰、郭春彦、韩在柱、侯杰泰、何生、江光荣、梁觉、李兴珊、李纾、罗劲、罗跃嘉、Lars-Goran\r\nNILLSON、Richard E. NISBETT、Kurt PAWLIK、彭凯平、钱铭怡、邱炳武、沈模卫、申继亮、Henderikus\r\nJ. STAM、苏彦捷、隋南、Anne TREISMAN, 王登峰、王辉、翁旭初、谢晓非、许燕、严进、杨治良、游旭群、余嘉元、乐国安、张积家、张结海、张侃、张庆林、张志学、周晓林、朱莉琪、邹泓"
[84] "第八届编委会（2006-2009）"
[85] "主编：杨玉芳"
[86] "副主编：张妙清、韩世辉、林崇德、叶浩生、张侃"
[87] "编委：张雷、陈烜之、陈欣银、陈永明、方富熹、葛小佳、郭春彦、侯杰泰、何生、黄希庭、梁永亮、李纾、林文娟、凌文辁、罗劲、莫雷、Lars-Goran Nillson、Richard E. Nisbett、Kurt Pawlik、钱铭怡、邱炳武、沈德立、申继亮、舒华、Henderikus J. Stam、苏彦捷、Anne Treisman、王登峰、王重鸣、杨治良、余嘉元、乐国安、张建新、张志学"
[88] "第七届编委会（2002-2005）"
[89] "主编：陈永明"
[90] "副主编：王甦、朱滢、张侃、陈烜之、林崇德"
[91] "编委：王甦、王重鸣、车文博、方富熹、申继亮、叶浩生、朱滢、杨玉芳、张妙清、张侃、乐国安、沈政、沈德立、陈永明、陈烜之、邱炳武、林仲贤、林崇德、凌文辁、莫雷、梁永亮、黄希庭、舒华、钱铭怡、韩世辉、管林初"
[92] "第六届编委会（1998-2001）"
[93] "主编：林仲贤"
[94] "副主编：王甦、陈永明、陈烜之、林崇德、管林初"
[95] "编委：王甦、王重鸣、车文博、方富熹、朱滢、汤盛钦、杨玉芳、杨鑫辉、张必隐、张妙清、沈政、沈德立、陈永明、陈烜之、林仲贤、林崇德、凌文辁、莫雷、黄希庭、梁觉、梁展鹏、彭聃龄、管林初、魏明庠"
[96] "第五届编委会（1994-1997）"
[97] "主编：匡培梓"
[98] "副主编：林仲贤、朱滢、彭聃龄"
[99] "编委：王甦、车文博、方富熹、朱滢、朱祖祥、匡培梓、许尚侠、汤盛钦、李心天、沈德立、沈德灿、陈永明、林仲贤、林崇德、凌文辁、章志光、黄希庭、魏明庠"
[100] "第四届编委会（1990-1993）"
[101] "主编：徐联仓"
[102] "副主编：王甦、张厚粲、林仲贤"
[103] "编委：王甦、车文博、许政援、匡培梓、李心天、朱祖祥、陈永明、张厚粲、杨治良、沈德灿、林崇德、林仲贤、徐联仓、章志光、黄希庭、赖昌贵、魏明庠"
[104] "第三届编委会（1985-1989）"
[105] "主编：徐联仓"
[106] "副主编：孙晔、张厚粲、孟昭兰"
[107] "编委：车文博、左梦兰、李心天、朱祖祥、邵郊、沈德灿、林传鼎、荆其诚、章志光、黄希庭、赖昌贵、缪小春"
[108] "第二届编委会（1979-1984）"
[109] "主编：潘菽"
[110] "编委：潘菽、刘兆吉、刘范、孙晔、朱智贤、李心天、何玉琨、陈元晖、陈立、林传鼎、邵郊、张述祖、张厚粲、荆其诚、胡寄南、徐联仓、郭占基、高觉敷、彭祖智"
[111] "第一届编委会（1956-1966）"
[112] "主编：曹日昌"
[113] "副主编：陈元晖"
[114] "编委：曹日昌、陈元晖、朱智贤、吴江霖、唐钺"
[115] "" text %>%
str_split("\\s{3,}") %>%
unlist() %>%
str_extract("(?<=主编：|副主编：|编委：).*|.*(?=（)") %>%
str_split("、") %>%
unlist() %>%
na.omit() %>%
str_remove_all("\\s") %>%
str_subset("编委会|[a-z]|^$", negate=TRUE) %>%
Freq(sort="-")Frequency Statistics:
─────────────
N %
─────────────
陈永明 7 1.8
林崇德 7 1.8
林仲贤 7 1.8
王甦 7 1.8
黄希庭 6 1.5
车文博 5 1.3
陈烜之 5 1.3
邱炳武 5 1.3
朱滢 5 1.3
陈欣银 4 1.0
方富熹 4 1.0
李纾 4 1.0
李心天 4 1.0
凌文辁 4 1.0
沈德立 4 1.0
舒华 4 1.0
徐联仓 4 1.0
张厚粲 4 1.0
张侃 4 1.0
张雷 4 1.0
张妙清 4 1.0
白学军 3 0.8
蔡华俭 3 0.8
陈元晖 3 0.8
傅世敏 3 0.8
管林初 3 0.8
郭春彦 3 0.8
郭秀艳 3 0.8
韩布新 3 0.8
韩世辉 3 0.8
韩在柱 3 0.8
侯杰泰 3 0.8
蒋毅 3 0.8
匡培梓 3 0.8
乐国安 3 0.8
李兴珊 3 0.8
连榕 3 0.8
刘勋 3 0.8
龙立荣 3 0.8
罗劲 3 0.8
罗跃嘉 3 0.8
苗丹民 3 0.8
莫雷 3 0.8
钱铭怡 3 0.8
沈德灿 3 0.8
苏彦捷 3 0.8
王穗苹 3 0.8
王晓田 3 0.8
王重鸣 3 0.8
魏明庠 3 0.8
吴艳红 3 0.8
谢晓非 3 0.8
辛涛 3 0.8
阎书昌 3 0.8
杨玉芳 3 0.8
叶浩生 3 0.8
张建新 3 0.8
章志光 3 0.8
周永迪 3 0.8
朱祖祥 3 0.8
曹日昌 2 0.5
陈传升 2 0.5
陈红 2 0.5
丁锦红 2 0.5
杜峰 2 0.5
杜忆 2 0.5
傅小兰 2 0.5
甘怡群 2 0.5
何生 2 0.5
胡晓晴 2 0.5
江光荣 2 0.5
荆其诚 2 0.5
赖昌贵 2 0.5
李健 2 0.5
李康 2 0.5
李文东 2 0.5
李永娟 2 0.5
梁觉 2 0.5
梁永亮 2 0.5
林传鼎 2 0.5
林文娟 2 0.5
刘嘉 2 0.5
栾胜华 2 0.5
潘菽 2 0.5
彭聃龄 2 0.5
任志洪 2 0.5
邵郊 2 0.5
申继亮 2 0.5
沈模卫 2 0.5
沈政 2 0.5
隋南 2 0.5
孙晔 2 0.5
汤盛钦 2 0.5
涂艳苹 2 0.5
王辉 2 0.5
王力 2 0.5
温忠麟 2 0.5
翁旭初 2 0.5
徐岚 2 0.5
许燕 2 0.5
杨百寅 2 0.5
杨治良 2 0.5
游旭群 2 0.5
余嘉元 2 0.5
张积家 2 0.5
张力为 2 0.5
张向阳 2 0.5
张志学 2 0.5
周晓林 2 0.5
周欣悦 2 0.5
朱莉琪 2 0.5
朱智贤 2 0.5
邹泓 2 0.5
陈楚侨 1 0.3
陈钧承 1 0.3
陈立 1 0.3
陈庆荣 1 0.3
陈瑞燕 1 0.3
陈晓萍 1 0.3
戴先炽 1 0.3
董奇 1 0.3
方晓义 1 0.3
冯海岚 1 0.3
符国群 1 0.3
付秋芳 1 0.3
高觉敷 1 0.3
葛小佳 1 0.3
龚平原 1 0.3
管健 1 0.3
郭本禹 1 0.3
郭占基 1 0.3
何玉琨 1 0.3
贺伟 1 0.3
胡寄南 1 0.3
康萤仪 1 0.3
蒯曙光 1 0.3
李超平 1 0.3
李东进 1 0.3
李寿欣 1 0.3
梁展鹏 1 0.3
刘超 1 0.3
刘范 1 0.3
刘力 1 0.3
刘文 1 0.3
刘兆吉 1 0.3
陆佳芳 1 0.3
孟昭兰 1 0.3
缪小春 1 0.3
穆妍 1 0.3
彭祖智 1 0.3
秦绍正 1 0.3
区永东 1 0.3
唐钺 1 0.3
王登峰 1 0.3
王玮文 1 0.3
王益文 1 0.3
王振宏 1 0.3
吴江霖 1 0.3
辛自强 1 0.3
许尚侠 1 0.3
许政援 1 0.3
薛贵 1 0.3
严进 1 0.3
杨鑫辉 1 0.3
叶铮 1 0.3
喻丰 1 0.3
张必隐 1 0.3
张丹 1 0.3
张结海 1 0.3
张清芳 1 0.3
张庆林 1 0.3
张述祖 1 0.3
赵志裕 1 0.3
郑晓明 1 0.3
郑晓莹 1 0.3
周国梅 1 0.3
左梦兰 1 0.3
─────────────
Total N = 389正则表达式在社会科学研究中有什么用？
现在的社会科学研究越来越依赖大数据和文本分析，经常要和海量文本打交道：10万条微博、5万份问卷、几百年的历史档案……正则表达式就是处理文本数据的“神兵利器”。
- 清洗和整理数据（数据“洗澡”）
从网上爬下来的数据经常很“脏”：夹杂着广告代码、乱码、多余的空格。正则表达式可以一键把这些垃圾清理掉，留下干净的文字。原本需要手动清理几万条数据，可能需要一个团队干一周；现在用几行正则表达式代码，几秒钟就能完成，而且准确率极高。
- 提取文本中信息（信息“采矿”）
比如你想研究“幸福感”这个词在社交媒体上的用法。正则表达式可以帮你找出所有包含“幸福”的句子，并且自动把“幸福”前面是谁在说（比如“我觉得幸福”“他感到幸福”）提取出来，又快又准。
- 内容分析与编码（将文字变数据）
社会科学研究经常需要对文本进行分类和编码。比如，你想分析新闻报道对某个社会事件的态度是“正面”、“负面”还是“中立”。可以先设定好规则，比如包含“赞赏”、“支持”、“成功”等词的归为“正面”，包含“反对”、“批评”、“问题”等词的归为“负面”。然后，正则表达式就能自动扫描所有文章，并根据这些关键词的出现情况，给每一篇文章贴上“态度”标签。几秒钟就能把几万条帖子分类完毕，这不仅比人工阅读编码快无数倍，而且标准完全统一，避免了因为研究者疲劳或个人主观判断带来的误差。它让定性研究可以拥有定量分析的规模。
正则表达式图解（图片源自网络）
【知识点】正则表达式
正则表达式 / 规律表达式（regular/pattern expression，RegEx）
简单来说，正则表达式就是一套用来描述文本规则的“密码”。它用一些特殊符号（比如*、+、?、[]）组合成“指令”，让电脑按照这些规则去文本的海洋里精准地找到你想要的内容（比如一定要是“蓝色”之后紧跟的“汽车”，而不是“红色汽车”）。
- 含义：描述字符串规律（模式）的表达式
- 用途：根据模式，匹配字符（自动处理文本）
- “大海捞针”（词频统计）：从海量的文本数据里，快速找到符合特定模式的字词、句子或段落
- “点石成金”（数据清洗）：找到之后，可以对这些内容进行批量的修改、删除、替换或提取，整理成数据分析所需要的格式
- “去伪存真”（条件判断）：还可以用来检查信息格式是否正确，比如手机号码是不是11位、邮箱地址里有没有“@”符号等
- 正则表达式的“密码”其实很有逻辑，也很好理解，比如：
\d：代表“任何一个数字”（0-9），就像在说“给我找一个数字”[a-z]：代表“任何一个英文小写字母”，就像在说“给我找一个小写字母”*：代表“前面的东西可以出现零次或多次”，就像在说“这个模式可以重复无数次”+：代表“前面的东西至少出现一次”，就像在说“这个模式至少要出现一次”.：代表“任何一个字符”（除了换行符），就像一张万能牌，可以代替任何一个字符
一旦学会，你就拥有了一种神奇的能力：别人还在一条条复制粘贴、肉眼搜索的时候，你已经可以喝着咖啡，轻松看着电脑帮你把几万条甚至几百万条文本数据在几秒之内自动整理好。这就是正则表达式的魅力——把繁琐的手工劳动，变成自动化的“魔法”。
（1）字符匹配
【实践1】字符匹配
text = "笔记本上安装SPSS22或20，授权码复制不上，导致安装失败。已经试了多次了，都安装不上SpSS，请问有遇到这种情况的吗？电脑是64位的，Spss是32位的，是这个原因吗？之前SpsS在其他笔记本和台式电脑上都安装成功了。"
cat(text)笔记本上安装SPSS22或20，授权码复制不上，导致安装失败。已经试了多次了，都安装不上SpSS，请问有遇到这种情况的吗？电脑是64位的，Spss是32位的，是这个原因吗？之前SpsS在其他笔记本和台式电脑上都安装成功了。[[1]]
[1] "SPSS"[[1]]
[1] "SPSS" "Spss"[[1]]
[1] "S" "P" "S" "S" "S" "p" "S" "S" "S" "p" "s" "s" "S" "p" "s" "S"[[1]]
[1] "S" "P" "S" "S" "S" "p" "S" "S" "S" "p" "s" "s" "S" "p" "s" "S"[[1]]
[1] "SPSS" "SpSS" "Spss" "SpsS"[[1]]
[1] "2" "2" "2" "0" "6" "4" "3" "2"[[1]]
[1] "22" "20" "64" "32"[[1]]
[1] "64位" "32位"（2）条件匹配
【实践2】条件匹配
text = "笔记本上安装SPSS22或20，授权码复制不上，导致安装失败。已经试了多次了，都安装不上SpSS，请问有遇到这种情况的吗？电脑是64位的，Spss是32位的，是这个原因吗？之前SpsS在其他笔记本和台式电脑上都安装成功了。"
cat(text)笔记本上安装SPSS22或20，授权码复制不上，导致安装失败。已经试了多次了，都安装不上SpSS，请问有遇到这种情况的吗？电脑是64位的，Spss是32位的，是这个原因吗？之前SpsS在其他笔记本和台式电脑上都安装成功了。[[1]]
[1] "64位" "32位"[[1]]
[1] "SPSS" "SpSS" "Spss" "SpsS"[[1]]
[1] "SPSS"[[1]]
[1] "S" "SS" "SpSS" "Spss" "SpsS"[[1]]
[1] "Sps" "Sps"[[1]]
[1] "Spss" "Sps" （3）预查匹配
【实践3】预查匹配
text = "笔记本上安装SPSS22或20，授权码复制不上，导致安装失败。已经试了多次了，都安装不上SpSS，请问有遇到这种情况的吗？电脑是64位的，Spss是32位的，是这个原因吗？之前SpsS在其他笔记本和台式电脑上都安装成功了。"
cat(text)笔记本上安装SPSS22或20，授权码复制不上，导致安装失败。已经试了多次了，都安装不上SpSS，请问有遇到这种情况的吗？电脑是64位的，Spss是32位的，是这个原因吗？之前SpsS在其他笔记本和台式电脑上都安装成功了。[[1]]
[1] "64位" "32位"[[1]]
[1] "64" "32"[[1]]
[1] "22" "20"[[1]]
[1] "22"[[1]]
[1] "20" "64" "32"字符串处理实战
stringr包
- 共同参数
string：字符串输入pattern：正则表达式
- 常用函数
- 判断：
str_detect() - 计数：
str_count() - 提取：
str_extract()、str_extract_all() - 替换：
str_replace()、str_replace_all() - 删除：
str_remove()、str_remove_all() - 分割：
str_split() - 向量取匹配子集：
str_subset()
- 判断：
【实践4】字符串综合处理
- 课程回顾：Chap03 # 静态网页解析
- 网页素材：华东师范大学心理与认知科学学院“师资队伍”
## 数据采集
## 已加载rvest包：library(rvest)
url = "https://psy.ecnu.edu.cn/17437/list.htm" # 学院师资队伍页面
xml = url %>% read_html() # 读取网页所有信息
xml{html_document}
<html class="webplus-list">
[1] <head>\n<meta http-equiv="Content-Type" content="text/html; charset=UTF-8 ...
[2] <body class="wp-column-page">\r\n<!--头部开始-->\r\n<header class="wp-wrapper ...
[3] <script type="text/javascript" src="/_upload/tpl/0b/a5/2981/template2981/ ...
[4] <script type="text/javascript">\r\n$(function(){\r\n\t// 初始化SDAPP\r\n\tne ...## 字符串处理（1）：院系名称
menu = xml %>% html_elements(".column-item-link .column-name") %>% html_text2()
menu [1] "各级人才工程" "认知与神经科学系"
[3] "毕生发展与学习科学系" "社会与管理心理学系"
[5] "健康与临床心理学系" "人工智能与人因工程系（筹）"
[7] "实验员/专任助理研究员" "党政管理"
[9] "兼职教师" "全职博士后"
[11] "荣休教师" "永远怀念教师名录" [1] "认知与神经科学系" "毕生发展与学习科学系"
[3] "社会与管理心理学系" "健康与临床心理学系"
[5] "人工智能与人因工程系（筹）"[1] "认知与神经科学系" "毕生发展与学习科学系" "社会与管理心理学系"
[4] "健康与临床心理学系" [1] "认知与神经科学系" "毕生发展与学习科学系" "社会与管理心理学系"
[4] "健康与临床心理学系" [1] "认知与神经科学系" "毕生发展与学习科学系" "社会与管理心理学系"
[4] "健康与临床心理学系" [1] NA "认知与神经科学" "毕生发展与学习科学"
[4] "社会与管理心理学" "健康与临床心理学" NA
[7] NA NA NA
[10] NA NA NA [1] "认知与神经科学" "毕生发展与学习科学" "社会与管理心理学"
[4] "健康与临床心理学"
attr(,"na.action")
[1] 1 6 7 8 9 10 11 12
attr(,"class")
[1] "omit" [1] "华东师范大学特聘教授" "国家级人才项目"
[3] "国家级青年人才项目" "中国科协托举人才"
[5] "教育部新世纪人才" "上海市曙光学者"
[7] "上海市浦江学者" "上海市青年科技启明星项目"
[9] "上海市晨光计划" "上海市扬帆计划" [1] "国家级人才项目" "国家级青年人才项目" "中国科协托举人才"
[4] "教育部新世纪人才" [1] "中国科协托举人才" "教育部新世纪人才"[1] "上海市曙光学者" "上海市浦江学者"
[3] "上海市青年科技启明星项目" "上海市晨光计划"
[5] "上海市扬帆计划" [1] "上海市曙光学者" "上海市浦江学者"
[3] "上海市青年科技启明星项目" "上海市晨光计划"
[5] "上海市扬帆计划" [1] "曙光" "浦江" "晨光" "扬帆"
attr(,"na.action")
[1] 1 2 3 4 5 8
attr(,"class")
[1] "omit" [1] "周晓林 博士" "蒯曙光 博士" "周晓林 博士" "蔡清 博士"
[5] "郝宁 博士" "蒯曙光 博士" "高晓雪 博士" "罗艺 博士"
[9] "崔丽娟 博士" "刘永芳 博士" "庞维国 博士" "郝宁 博士"
[13] "刘俊升 博士" "陆静怡 博士" "蔡清 博士" "包寒吴霜 博士"
[17] "李先春 博士" "刘俊升 博士" "孟慧 博士" "庞维国 博士"
[21] "宋永宁博士" "王弘毅 博士" "王青 博士" "席居哲 博士"
[25] "谢鑫宇博士" "周宁宁 博士" "张琪 博士" "包寒吴霜 博士"
[29] "梁一鸣 博士" "陆静怡 博士" "王青 博士" "杨莹 博士"
[33] "周晗昱 博士" "陈 曦 博士" "梁一鸣 博士" "李世佳 博士"
[37] "杨莹 博士" "周晗昱 博士" name
包寒吴霜 博士 蔡清 博士 陈 曦 博士 崔丽娟 博士 高晓雪 博士
2 2 1 1 1
郝宁 博士 蒯曙光 博士 李世佳 博士 李先春 博士 梁一鸣 博士
2 2 1 1 2
刘俊升 博士 刘永芳 博士 陆静怡 博士 罗艺 博士 孟慧 博士
2 1 2 1 1
庞维国 博士 宋永宁博士 王弘毅 博士 王青 博士 席居哲 博士
2 1 1 2 1
谢鑫宇博士 杨莹 博士 张琪 博士 周晗昱 博士 周宁宁 博士
1 2 1 2 1
周晓林 博士
2 [1] "周晓林 博士" "蒯曙光 博士" "蔡清 博士" "郝宁 博士"
[5] "高晓雪 博士" "罗艺 博士" "崔丽娟 博士" "刘永芳 博士"
[9] "庞维国 博士" "刘俊升 博士" "陆静怡 博士" "包寒吴霜 博士"
[13] "李先春 博士" "孟慧 博士" "宋永宁博士" "王弘毅 博士"
[17] "王青 博士" "席居哲 博士" "谢鑫宇博士" "周宁宁 博士"
[21] "张琪 博士" "梁一鸣 博士" "杨莹 博士" "周晗昱 博士"
[25] "陈 曦 博士" "李世佳 博士" [1] "包寒吴霜 博士" "蔡清 博士" "陈 曦 博士" "崔丽娟 博士"
[5] "高晓雪 博士" "郝宁 博士" "蒯曙光 博士" "李世佳 博士"
[9] "李先春 博士" "梁一鸣 博士" "刘俊升 博士" "刘永芳 博士"
[13] "陆静怡 博士" "罗艺 博士" "孟慧 博士" "庞维国 博士"
[17] "宋永宁博士" "王弘毅 博士" "王青 博士" "席居哲 博士"
[21] "谢鑫宇博士" "杨莹 博士" "张琪 博士" "周晗昱 博士"
[25] "周宁宁 博士" "周晓林 博士" [1] "包寒吴霜" "蔡清" "陈曦" "崔丽娟" "高晓雪" "郝宁"
[7] "蒯曙光" "李世佳" "李先春" "梁一鸣" "刘俊升" "刘永芳"
[13] "陆静怡" "罗艺" "孟慧" "庞维国" "宋永宁" "王弘毅"
[19] "王青" "席居哲" "谢鑫宇" "杨莹" "张琪" "周晗昱"
[25] "周宁宁" "周晓林" [1] "郝宁" "宋永宁" "周宁宁"[1] "李世佳" "李先春"[1] "王弘毅" "王青" "周晗昱" "周宁宁" "周晓林"[1] "Psychology"[1] "P"[1] "Psych"## 导入在线数据（douban_movies.RData）
data = import("https://psychbruce.github.io/RCourse/data/douban_movies.RData")
dt = as.data.table(data)课堂实战练习（问题解决导向的学习）：
- 从电影标题变量（
title）提取电影的上映年份 - 选取带有0~9数字的电影标题
- 选取带有年份数字的电影标题
- 选取模式为“高考1977”的电影标题
- ……
【作业5】字符向量处理
作业要求：
- 围绕
stringr包提供的字符串示例数据fruit（80个水果名称），运用str_detect()、str_subset()、str_extract_all()、str_replace_all()等stringr包函数中的至少2个，任意完成至少2种字符串处理任务，并对代码和结果进行简单的注释和解读 - 使用R Markdown完成，运行渲染得到本地HTML网页文件
平台提交：
- 运行得到HTML网页文件的关键部分截图（只需上传截图）
[1] "apple" "apricot" "avocado"
[4] "banana" "bell pepper" "bilberry"
[7] "blackberry" "blackcurrant" "blood orange"
[10] "blueberry" "boysenberry" "breadfruit"
[13] "canary melon" "cantaloupe" "cherimoya"
[16] "cherry" "chili pepper" "clementine"
[19] "cloudberry" "coconut" "cranberry"
[22] "cucumber" "currant" "damson"
[25] "date" "dragonfruit" "durian"
[28] "eggplant" "elderberry" "feijoa"
[31] "fig" "goji berry" "gooseberry"
[34] "grape" "grapefruit" "guava"
[37] "honeydew" "huckleberry" "jackfruit"
[40] "jambul" "jujube" "kiwi fruit"
[43] "kumquat" "lemon" "lime"
[46] "loquat" "lychee" "mandarine"
[49] "mango" "mulberry" "nectarine"
[52] "nut" "olive" "orange"
[55] "pamelo" "papaya" "passionfruit"
[58] "peach" "pear" "persimmon"
[61] "physalis" "pineapple" "plum"
[64] "pomegranate" "pomelo" "purple mangosteen"
[67] "quince" "raisin" "rambutan"
[70] "raspberry" "redcurrant" "rock melon"
[73] "salal berry" "satsuma" "star fruit"
[76] "strawberry" "tamarillo" "tangerine"
[79] "ugli fruit" "watermelon" © 包寒吴霜
---
title: "《R语言》第4章：字符处理"
subtitle: <a href="https://psychbruce.github.io/RCourse/">返回课程主页</a>
author: "授课教师：包寒吴霜"
# date: "`r Sys.Date()`"
output:
  html_document:
    toc: true
    toc_depth: 3
    toc_float:
      collapsed: false
      smooth_scroll: false
    code_download: true
    anchor_sections: true
    highlight: pygments
    css: RmdCSS.css
---

```{=html}
<p style="font-size: 12px">版权声明：本套课程材料开源，使用和分享必须遵守「创作共用许可协议 CC BY-NC-SA」（来源引用-非商业用途使用-以相同方式共享）。<img src="img/CC-BY-NC-SA.jpg" width="120px" height="42px" style="float: right" /></p>
```

```{r Config, include=FALSE}
options(
  knitr.kable.NA = "",
  digits = 4
)
knitr::opts_chunk$set(
  comment = "",
  fig.width = 6,
  fig.height = 4,
  dpi = 300
)
```

------------------------------------------------------------------------

# Chap04：字符处理

#### 往期要点回顾

-   [Chap03 \# 数据框（data frame）](https://psychbruce.github.io/RCourse/Chap03#%E6%95%B0%E6%8D%AE%E6%A1%86data-frame){.uri}
-   [Chap03 \# “一站式”数据导入导出](https://psychbruce.github.io/RCourse/Chap03#%E5%A4%96%E9%83%A8%E6%95%B0%E6%8D%AE%E5%AF%BC%E5%85%A5%E5%AF%BC%E5%87%BA){.uri}

#### 本章要点目录

-   [【探索发现】如何提取电影变量？](#探索发现如何提取电影变量)
-   [【探索发现】如何统计《心理学报》历届编委会成员频次？](#探索发现如何统计心理学报历届编委会成员频次)
-   [【知识点】正则表达式](#知识点正则表达式)（重点）
-   [【实践1】字符匹配](#实践1字符匹配)
-   [【实践2】条件匹配](#实践2条件匹配)
-   [【实践3】预查匹配](#实践3预查匹配)
-   [【实践4】字符串综合处理](#实践4字符串综合处理)（重点）
-   [【探索发现】stringr包的函数功能](#探索发现stringr包的函数功能)

```{r, message=FALSE, warning=FALSE}
## 本章所需R包
library(bruceR)
library(stringr)  # 字符串处理（加载bruceR时已默认加载stringr）
library(rvest)  # 网络爬虫
```

# 正则表达式基础

![<https://movie.douban.com/subject/34780991/>](images/clipboard-138977494.png)

```{r}
info = "
导演: 饺子
编剧: 饺子
主演: 吕艳婷 / 囧森瑟夫 / 瀚墨 / 陈浩 / 绿绮 / 张珈铭 / ...
类型: 剧情 / 喜剧 / 动画 / 奇幻
制片国家/地区: 中国大陆
语言: 汉语普通话
上映日期: 2025-01-29(中国大陆)
片长: 144分钟
又名: 哪吒2 / 哪吒2之魔童闹海 / Ne Zha 2
IMDb: tt34956443
"
info
cat(info)
```

#### 【探索发现】如何提取电影变量？ {#探索发现如何提取电影变量}

-   如何从原始文本数据中提取：
    -   导演：“饺子”
    -   类型：“剧情 / 喜剧 / 动画 / 奇幻”
    -   片长：“144”
    -   上映日期：“2025-01-29”

```{r}
str_extract(info, "(?<=导演: ).*(?=\\n)")

str_extract(info, "(?<=类型: ).*(?=\\n)")
str_extract(info, "(?<=类型: ).*(?=\\n)") %>%
  str_split(" / ")

str_extract(info, "(?<=片长: ).*(?=分钟\\n)")

str_extract(info, "(?<=上映日期: ).*(?=\\n)")
str_extract(info, "(?<=上映日期: ).*(?=\\n)") %>%
  str_extract("\\d{4}-\\d{2}-\\d{2}")
str_extract(info, "(?<=上映日期: ).*(?=\\n)") %>%
  str_extract("\\d{4}-\\d{2}-\\d{2}") %>%
  str_remove_all("-")
```

#### 【探索发现】如何统计《心理学报》历届编委会成员频次？ {#探索发现如何统计心理学报历届编委会成员频次}

《心理学报》编委会：<https://journal.psych.ac.cn/xlxb/CN/column/column3.shtml>

```{r}
url = "https://journal.psych.ac.cn/xlxb/CN/column/column3.shtml"
xml = read_html(url)
text = xml %>% html_element(".content_nr li") %>% html_text()
text %>% str_split("\\s{3,}") %>% unlist()
text %>%
  str_split("\\s{3,}") %>%
  unlist() %>%
  str_extract("(?<=主编：|副主编：|编委：).*|.*(?=（)") %>%
  str_split("、") %>%
  unlist() %>%
  na.omit() %>%
  str_remove_all("\\s") %>%
  str_subset("编委会|[a-z]|^$", negate=TRUE) %>%
  Freq(sort="-")
```

#### 正则表达式在社会科学研究中有什么用？

现在的社会科学研究越来越依赖大数据和文本分析，经常要和海量文本打交道：10万条微博、5万份问卷、几百年的历史档案……正则表达式就是处理文本数据的“神兵利器”。

1.  **清洗和整理数据（数据“洗澡”）**

从网上爬下来的数据经常很“脏”：夹杂着广告代码、乱码、多余的空格。正则表达式可以一键把这些垃圾清理掉，留下干净的文字。原本需要手动清理几万条数据，可能需要一个团队干一周；现在用几行正则表达式代码，几秒钟就能完成，而且准确率极高。

2.  **提取文本中信息（信息“采矿”）**

比如你想研究“幸福感”这个词在社交媒体上的用法。正则表达式可以帮你找出所有包含“幸福”的句子，并且自动把“幸福”前面是谁在说（比如“我觉得幸福”“他感到幸福”）提取出来，又快又准。

3.  **内容分析与编码（将文字变数据）**

社会科学研究经常需要对文本进行分类和编码。比如，你想分析新闻报道对某个社会事件的态度是“正面”、“负面”还是“中立”。可以先设定好规则，比如包含“赞赏”、“支持”、“成功”等词的归为“正面”，包含“反对”、“批评”、“问题”等词的归为“负面”。然后，正则表达式就能自动扫描所有文章，并根据这些关键词的出现情况，给每一篇文章贴上“态度”标签。几秒钟就能把几万条帖子分类完毕，这不仅比人工阅读编码快无数倍，而且标准完全统一，避免了因为研究者疲劳或个人主观判断带来的误差。它让定性研究可以拥有定量分析的规模。

![正则表达式图解（图片源自网络）](images/clipboard-2620419718.jpeg)

#### 【知识点】正则表达式 {#知识点正则表达式}

##### 正则表达式 / 规律表达式（regular/pattern expression，RegEx）

简单来说，正则表达式就是一套用来**描述文本规则的“密码”**。它用一些特殊符号（比如`*`、`+`、`?`、`[]`）组合成“指令”，让电脑按照这些规则去文本的海洋里精准地找到你想要的内容（比如一定要是“蓝色”之后紧跟的“汽车”，而不是“红色汽车”）。

-   **含义：描述字符串规律（模式）的表达式**
-   **用途：根据模式，匹配字符（自动处理文本）**
    -   **“大海捞针”（词频统计）**：从海量的文本数据里，快速找到符合特定模式的字词、句子或段落
    -   **“点石成金”（数据清洗）**：找到之后，可以对这些内容进行批量的修改、删除、替换或提取，整理成数据分析所需要的格式
    -   **“去伪存真”（条件判断）**：还可以用来检查信息格式是否正确，比如手机号码是不是11位、邮箱地址里有没有“\@”符号等
-   正则表达式的“密码”其实很有逻辑，也很好理解，比如：
    -   `\d`：代表“任何一个数字”（0-9），就像在说“给我找一个数字”
    -   `[a-z]`：代表“任何一个英文小写字母”，就像在说“给我找一个小写字母”
    -   `*`：代表“前面的东西可以出现零次或多次”，就像在说“这个模式可以重复无数次”
    -   `+`：代表“前面的东西至少出现一次”，就像在说“这个模式至少要出现一次”
    -   `.`：代表“任何一个字符”（除了换行符），就像一张万能牌，可以代替任何一个字符

> 一旦学会，你就拥有了一种神奇的能力：别人还在一条条复制粘贴、肉眼搜索的时候，你已经可以喝着咖啡，轻松看着电脑帮你把几万条甚至几百万条文本数据在几秒之内自动整理好。这就是正则表达式的魅力——把繁琐的手工劳动，变成自动化的“魔法”。

## （1）字符匹配

![](images/clipboard-4086576583.png)

#### 【实践1】字符匹配 {#实践1字符匹配}

![](images/clipboard-1576391182.png)

```{r}
text = "笔记本上安装SPSS22或20，授权码复制不上，导致安装失败。已经试了多次了，都安装不上SpSS，请问有遇到这种情况的吗？电脑是64位的，Spss是32位的，是这个原因吗？之前SpsS在其他笔记本和台式电脑上都安装成功了。"
cat(text)

str_extract_all(text, "SPSS")  # 完整字符串
str_extract_all(text, "SPSS|Spss")  # "|"表示或者
str_extract_all(text, "[SPSS|spss]")  # 思考：为什么？
str_extract_all(text, "[SsPp]")
str_extract_all(text, "[Ss][Pp][Ss][Ss]")

str_extract_all(text, "\\d")
str_extract_all(text, "\\d\\d")
str_extract_all(text, "\\d\\d位")
```

## （2）条件匹配

![](images/clipboard-3021287080.png)

#### 【实践2】条件匹配 {#实践2条件匹配}

```{r}
text = "笔记本上安装SPSS22或20，授权码复制不上，导致安装失败。已经试了多次了，都安装不上SpSS，请问有遇到这种情况的吗？电脑是64位的，Spss是32位的，是这个原因吗？之前SpsS在其他笔记本和台式电脑上都安装成功了。"
cat(text)

str_extract_all(text, "\\d{2}位")
str_extract_all(text, "[SsPp]{4}")
str_extract_all(text, "[SP]{4}")
str_extract_all(text, "[Sps]+")
str_extract_all(text, "(Sps)+")
str_extract_all(text, "Sps+")
```

## （3）预查匹配

![](images/clipboard-4184428545.png)

#### 【实践3】预查匹配 {#实践3预查匹配}

```{r}
text = "笔记本上安装SPSS22或20，授权码复制不上，导致安装失败。已经试了多次了，都安装不上SpSS，请问有遇到这种情况的吗？电脑是64位的，Spss是32位的，是这个原因吗？之前SpsS在其他笔记本和台式电脑上都安装成功了。"
cat(text)

str_extract_all(text, "\\d{2}位")
str_extract_all(text, "\\d{2}(?=位)")  # 后向肯定预查
str_extract_all(text, "\\d{2}(?!位)")  # 后向否定预查
str_extract_all(text, "(?<=SPSS)\\d{2}")  # 前向肯定预查
str_extract_all(text, "(?<!SPSS)\\d{2}")  # 前向否定预查
```

# 字符串处理实战

`stringr`包

-   共同参数
    -   `string`：字符串输入
    -   `pattern`：正则表达式
-   常用函数
    -   判断：`str_detect()`
    -   计数：`str_count()`
    -   提取：`str_extract()`、`str_extract_all()`
    -   替换：`str_replace()`、`str_replace_all()`
    -   删除：`str_remove()`、`str_remove_all()`
    -   分割：`str_split()`
    -   向量取匹配子集：`str_subset()`

#### 【实践4】字符串综合处理 {#实践4字符串综合处理}

-   课程回顾：[Chap03 \# 静态网页解析](https://psychbruce.github.io/RCourse/Chap03#%E5%AE%9E%E8%B7%B55%E9%9D%99%E6%80%81%E7%BD%91%E9%A1%B5%E8%A7%A3%E6%9E%90){.uri}
-   网页素材：[华东师范大学心理与认知科学学院“师资队伍”](https://psy.ecnu.edu.cn/17437/list.htm){.uri}

```{r}
## 数据采集
## 已加载rvest包：library(rvest)
url = "https://psy.ecnu.edu.cn/17437/list.htm"  # 学院师资队伍页面
xml = url %>% read_html()  # 读取网页所有信息
xml

## 字符串处理（1）：院系名称
menu = xml %>% html_elements(".column-item-link .column-name") %>% html_text2()
menu

str_subset(menu, "系")
str_subset(menu, "系$")
str_subset(menu, ".*系$")
str_subset(menu, ".*(?=系$)")  # 只是取子集，并不能预查提取
str_extract(menu, ".*(?=系$)")  # 真正的预查提取
str_extract(menu, ".*(?=系$)") %>% na.omit()  # 移除缺失值NA

## 字符串处理（2）：人才计划
title = xml %>% html_elements(".subcolumn-name") %>% html_text2()
title
str_subset(title, "人才")
str_subset(title, "人才$")
str_subset(title, "上海市.*")
str_subset(title, "^上海市")
str_extract(title, "(?<=^上海市).*(?=学者$|计划$)") %>% na.omit()

## 字符串处理（3）：教师姓名
name = xml %>% html_elements(".column-news-title") %>% html_text2()
name

table(name)
unique(name)

name %>% unique() %>% sort()
name %>% unique() %>% sort() %>% str_remove_all("博士|\\s")

name %>%
  unique() %>%
  sort() %>%
  str_remove_all("博士|\\s") %>%
  str_subset("宁")

name %>%
  unique() %>%
  sort() %>%
  str_remove_all("博士|\\s") %>%
  str_subset("^赵|^钱|^孙|^李")  # 赵钱孙李，周吴郑王

name %>%
  unique() %>%
  sort() %>%
  str_remove_all("博士|\\s") %>%
  str_subset("^[周吴郑王]")  # 赵钱孙李，周吴郑王

## 补充：字符向量 vs. 固定位置字符提取
"Psychology"[1]  # 长度为1的字符向量，[1]仍然是字符串，而不是第1个字母
str_sub("Psychology", 1, 1)  # 提取第1个字母
str_sub("Psychology", 1, 5)  # 提取第1~5个字母
```

-   [豆瓣电影示例数据(.RData)](https://psychbruce.github.io/RCourse/data/douban_movies.RData)

```{r, eval=FALSE, warning=FALSE}
## 导入在线数据（douban_movies.RData）
data = import("https://psychbruce.github.io/RCourse/data/douban_movies.RData")
dt = as.data.table(data)
```

**课堂实战练习（问题解决导向的学习）：**

-   从电影标题变量（`title`）提取电影的上映年份
-   选取带有0\~9数字的电影标题
-   选取带有年份数字的电影标题
-   选取模式为“高考1977”的电影标题
-   ……

#### 【探索发现】stringr包的函数功能 {#探索发现stringr包的函数功能}

-   检测匹配

![](images/clipboard-1808834098.png)

-   子集提取

![](images/clipboard-900802402.png)

-   长度控制

![](images/clipboard-4200662411.png)

-   替换修改

![](images/clipboard-3104311135.png)

-   拼接分割

![](images/clipboard-3333466972.png)

# 【作业5】字符向量处理

作业要求：

-   围绕`stringr`包提供的字符串示例数据`fruit`（80个水果名称），运用`str_detect()`、`str_subset()`、`str_extract_all()`、`str_replace_all()`等`stringr`包函数中的至少2个，任意完成至少2种字符串处理任务，并对代码和结果进行简单的注释和解读
-   使用R Markdown完成，运行渲染得到本地HTML网页文件

平台提交：

-   运行得到HTML网页文件的**关键部分截图（只需上传截图）**

```{r}
## 附：作业需要用到的数据集（字符向量）
stringr::fruit
```

------------------------------------------------------------------------

[返回课程主页](https://psychbruce.github.io/RCourse/)

© 包寒吴霜
