问题来自头条文章：
www.toutiao.com/article/7170606479974646284/?log_from=5f6d1680db622_1669688728187
他们总说，R 语言处理文本数据、自动化办公不行，是真不行吗？本篇就来个 吊打 Python 看看。
1 问题描述
-
有多个 word 文档：
-
文档内容：
-
需求：
批量读取 word 文档内容，按名目：序号、方名、组成、用法、主治、备注，整理成 Excel 表格，结果如下：
注：若未包含【组成】【用法】【主治】，则内容都归入备注。
2 解决问题
首先强调：文本数据处理，肯定离不开正则表达式！
-
加载包
-
批量读取 word 文档
得到的结果是数据框，每个文档占一行，doc_id 列是文件名，text 列是文档内容，一个文档内容整个是一个字符串。
-
按药方切分列
此时，一个药方占一行了。
-
解决一个药方的信息提取，写成函数
说明：都是正则表达式提取，主要用到零宽断言，根据两端标志提取中间想要的内容。为什么看着这么啰嗦呢？是因为数据是有陷阱的：不是每个药方都包含【组成】、【用法】、【主治】，所以右端需要设置为下一项或结尾标志$。
测试一个看看：
没问题！（我差点被对不齐给骗了）
-
循环迭代，批量解决问题
就是把函数 f 依次应用到数据的 text列，结果按行合并：
-
写出到 Excel 文件
结果就是问题描述中的结果表（略）。
问题解决！
以上是为了给大家展示中间过程，方便大家理解。拿掉不必要的中间过程，借助管道，完整代码如下：
附录
我主张的数据编程思维：
我的R语言新书：《R语言编程—基于tidyverse》
电子抢读版已上线（人邮）异步社区，纸质版预计12月底上市：
《R语言编程：基于tidyverse》电子抢读版购买地址：
https://www.epubit.com/bookDetails?id=UB7db2c0db9f537&tabName=%E6%8A%A2%E8%AF%BB%E7%89%88&floorName=%E7%B2%BE%E9%80%89%E7%BA%B8%E4%B9%A6