propuesta de solución

[rivaquiroga]

¡Hola, Silvia! Aquí va mi propuesta de solución para tu consulta:

library(readr)
library(dplyr)
library(stringr)
library(tidyr)

metadata <- read_tsv("https://raw.githubusercontent.com/silviaegt/dudas/master/regex/metadata_german_departments", col_names = FALSE)

metadata %>%
  mutate(X1 = case_when(
    lead(str_detect(X1, "^Author:")) ~ str_c("Title: ", X1),
    TRUE ~ as.character(X1)
    )) %>% 
  filter(str_detect(X1, "^Author: |^Title: ")) %>% 
  separate(X1, into = c("variable", "data"), extra = "merge") %>% 
  mutate(id = rep(1:83, each = 2), .before = variable) %>% 
  pivot_wider(names_from = variable, values_from = data) 

Para que funcione, solo tendrías que fijarte si tu compu le pone por defecto X1 a la columna cuando importas los datos.

:nerd_face:

[silviaegt]

Uff qué hermosura de código, ¡gracias @rivaquiroga! Me quedó la duda nomás de por qué lead(str_detect(X1, "^Author:")) ~ str_c("Title: ", X1) Sí identifica al título a pesar de que éste se encuentra antes (lag) y no después (lead) del patrón para autor (o sea funcionó perfecto pero no sé por qué se me hizo contraintuitivo? Creo que no estoy entendiendo bien cómo funcionan esas funciones

[rivaquiroga]

Porque la condición está pensada desde la fila con el título. O sea, lo que está después (lead) de esa fila es el patrón para autor. Entonces, si lo que está debajo de una fila X coincide con str_detect(X1, "^Author:"), le agrega "Title: " a esa fila X.

[rivaquiroga]

@silviaegt, esta sería la versión actualizada para que tome los 100 registros:

text <- file("metadata_german_departments.txt", open = "r")
lines <- readLines(text, encoding = "UTF-8")
metadata <- as_tibble(lines)

metadata %>%
  mutate(value = case_when(
    lead(str_detect(value, "^Author:")) ~ str_c("Title: ", value),
    TRUE ~ as.character(value)
  )) %>% 
  filter(str_detect(value, "^Author: |^Title: ")) %>% 
  separate(value, into = c("variable", "data"), extra = "merge") %>% 
  mutate(id = rep(1:100, each = 2), .before = variable) %>% 
  pivot_wider(names_from = variable, values_from = data)  

[rivaquiroga]

(Al leerlo como data frame directo desde GitHub se saltaba las files que empezaban con caracteres especiales)

[silviaegt]

Uff está increíble @rivaquiroga, qué buen ojo para cachar que ese era el origen del error, ¡le daba vueltas y vueltas y nomás no se me ocurría por qué no jalaba!, ¡gracias! En otras noticias se me ocurrió usar un group_by + mutate(row = row_number()) para no depender de saber cuántos elementos hay (y por si hay elementos que no están presentes) y creo que funciona bien!