Count AGENDA- 텍스트 마이닝 당 페이지 수

Question

AGENDA ITEM 당 페이지 수를 계산해야합니다. 필자는 pdf 문서의 텍스트를 데이터 프레임으로 추출했습니다. 기본적으로이 데이터 프레임의 한 행에는 한 페이지의 텍스트가 들어 있습니다. 이것은 나의 데이터가 같은 모습입니다 :

의제 TEXT (동일 행)에서

mydf <- data.frame(text = c("AGENDA ITEM 1 
     4", "This particular row contains a lot of text, really its all text present in one page", 
     "So ineffect, one page of text per row", "This is another page of text in this row", 
     "lets include another page for agenda 1", "AGENDA ITEM 2 
     9", 
     "now all the text in agenda 2 is included here","the 2nd page text of agenda 2", 
     "AGENDA ITEM 3 
     12", "Now lets just add one row for this agenda, meaning it only has one page inside it")) 

, 수는 페이지 번호이며 같은 행에 있습니다. 일정 별 페이지 수를 계산하려면 다음 AGENDA ITEM이 나타날 때까지 행 수를 계산하면됩니다. 위의 예를 고려하면 대답은

AGENDA ITEM 1 = 4 Pages, AGENDA ITEM 2 = 2 Pages and AGENDA ITEM 3 = 1 Page. 

이어야합니다. 어떻게해야합니까? 나는 텍스트를 분석하는 것에 상당히 익숙하다. 감사합니다

Answer 1

"AGENDA ITEM ##"패턴이 일반 텍스트 내에 나타나지 않는 경우 grep()을 사용하여 다음 접근 방식을 사용할 수 있습니다. 나는 이것이 당신을 위해 일하기를 바랍니다.

#get all rownumbers of rows starting with the pattern 
start_rows <- grep("AGENDA ITEM \\d+", mydf$text) 

#get the end of each "AGENDA ITEM chapter" 
#a chapter ends one line before the next chapter starts, hence, 
#-1 and offset -1 from startrows 
#and the final chapter ends with the last line 
end_rows <- c(start_rows[-1]-1 
       ,length(mydf$text)) 

end_rows-start_rows 
#[1] 4 2 1 

Answer 2

당신은 정말 감사이

mydf <- data.frame(text = c("AGENDA ITEM 1 
          4", "This particular row contains a lot of text, really its all text present in one page", 
          "So ineffect, one page of text per row", "This is another page of text in this row", 
          "lets include another page for agenda 1", "AGENDA ITEM 2 
          9", 
          "now all the text in agenda 2 is included here","the 2nd page text of agenda 2", 
          "AGENDA ITEM 3 
          12", "Now lets just add one row for this agenda, meaning it only has one page inside it")) 

lst <- as.character(mydf$text) 
index <- grep(pattern = "AGENDA ITEM", lst) 
index <- c(index,length(lst)) 

pages <- diff(index) 
pages[1:length(pages)-1] <- pages[1:length(pages)-1] - 1 
pages 

[1] 4 2 1