Dag 9: Hantera text

Motioner

Data från denna uppgift är hämtad från Riksdagens öppna data och innehåller grundläggande data om motioner från den nuvarande mandatperioden, läs in med

motioner <- read_csv("data/mot-2014-2017.csv", 
                     col_names = c("hangar_id", "dok_id", "rm", "beteckning", 
                                   "typ", "subtyp", "doktyp", "dokumentnamn",  "organ", 
                                   "mottagare", "nummer", "datum", "systemdatum", 
                                   "titel", "subtitel", "status"))

Det finns två källor till information om partitillhörigheten, genom variabeln dokumentnamn och genom subtitel. Använd t.ex. str_extract tillsammans med regex för att ta fram parti från båda källor. En komplikation är att motionen kan vara ställd från flera personer med eventuellt olika partibeteckning, du väljer själv om/hur du hanterar detta. Plotta antalet motioner per månad färglagt efter parti (funktionen floor_date i paketet lubridate är ett smidigt sätt att trunkera datumvariabler).

csv-läsare

Kombinera readLines och str_split till en enkel .csv-filläsare som genererar en sträng-matris med filens innehåll.

HTML-tabeller

textsträngen tabell nedan innehåller en enkel tabell i HTML-kod,

tabell <- "<table>
  <tr>
    <th>Förnamn</th>
    <th>Efternamn</th> 
    <th>Ålder</th>
  </tr>
  <tr>
    <td>Kalle</td>
    <td>Karlsson</td> 
    <td>25</td>
  </tr>
  <tr>
    <td>Lisa</td>
    <td>Larsson</td> 
    <td>17</td>
  </tr>
</table>"

som i webbläsaren blir

Använd regex för att extrahera vektorn

## [1] "Förnamn"   "Efternamn" "Ålder"     "Kalle"     "Karlsson"  "25"       
## [7] "Lisa"      "Larsson"   "17"

ur tabell.