Свернуть с начальной и конечной позициями предложения

Вы можете сделать это с помощью str_locate из stringr. В основном это раздражает, потому что символы новой строки и специальные символы могут испортить регулярные выражения при поиске. Здесь мы сначала удаляем новые строки из входного текста с помощью str_replace_all, затем удаляем токены, сохраняя исходный текст и предотвращая изменение регистра. Затем мы создаем новый столбец регулярного выражения, заменяя специальные символы (здесь (, ) и .) правильно экранированными версиями, и используем str_locate для добавления начала и конца каждой строки.

Я не получаю те же числа, что и вы, но я скопировал текст из вашего кода, который не всегда сохраняет все символы, и ваше окончательное число end в любом случае меньше, чем start.

library(tidyverse)
library(tidytext)

raw_text <- tibble(section = "6.1 Clinical Trial Experience
  Because clinical trials are conducted under widely varying conditions, adverse reaction rates observed in clinical trials of a drug cannot be directly compared to rates in the clinical trials of another drug and may not reflect the rates observed in practice.
                   The data below reflect exposure to ARDECRETRIS as monotherapy in 327 patients with classical Hodgkin lymphoma (HL) and systemic anaplastic large cell lymphoma (sALCL), including 160 patients in two uncontrolled single-arm trials (Studies 1 and 2) and 167 patients in one placebo-controlled randomized trial (Study 3).
                   In Studies 1 and 2, the most common adverse reactions were neutropenia, fatigue, nausea, anemia, cough, and vomiting."
)

tidy_text <- raw_text %>%
  mutate(section = str_replace_all(section, "\\n", "")) %>%
  unnest_tokens(
    output = sentence,
    input = section,
    token = "sentences",
    drop = FALSE,
    to_lower = FALSE
    ) %>%
  mutate(
    regex = str_replace_all(sentence, "\\(", "\\\\("),
    regex = str_replace_all(regex, "\\)", "\\\\)"),
    regex = str_replace_all(regex, "\\.", "\\\\.")
  ) %>%
  mutate(
    start = str_locate(section, regex)[, 1],
    end = str_locate(section, regex)[, 2]
  ) %>%
  select(sentence, start, end) %>%
  print()
#> # A tibble: 3 x 3
#>   sentence                                                     start   end
#>   <chr>                                                        <int> <int>
#> 1 6.1 Clinical Trial Experience  Because clinical trials are ~     1   290
#> 2 The data below reflect exposure to ARDECRETRIS as monothera~   310   626
#> 3 In Studies 1 and 2, the most common adverse reactions were ~   646   762

Создано 23 февраля 2018 г. с помощью пакета reprex (v0.2.0).