按环视分割答案

【问题标题】：split by lookaround按环视分割
【发布时间】：2020-02-28 21:46:45
【问题描述】：

我想将字符串拆分为单独的字符，除了< 和> 包围的字符。因此<a>bc<d>e 将变为<a> b c <d> e。我尝试了(?<!<)(?!>)，它似乎在正则表达式测试器中有效，但在 R 中的以下代码中无效。我做错了什么？

X = '<a>bc<d>e'
Y = '(?<!<)(?!>)'
unlist(strsplit(X,Y,perl=TRUE))
[1] "<" "a" ">" "b" "c" "<" "d" ">" "e"

【问题讨论】：

这似乎与 Rs 正则表达式风格有关。你可以试试stringi::stri_split_regex(X, Y, omit_empty = TRUE)
我为 Y 添加了一些积极的外观，这似乎可以解决问题。我猜 strsplit 不会分裂，除非你真的告诉它寻找那里的东西。 Y = '(?<!<)(?!>)(?<=.)(?=.)'
在source code中，有一些关于空字符串匹配的提示：“小心：需要区分空（rm_eo == 0）和非空（rm_eo > 0）匹配。前一种情况，提取的token是下一个字符，否则就是匹配开始之前的所有内容，可能是空字符串（不是严格意义上的“token”）。"

【解决方案1】：

使用积极的环顾四周而不是消极的环顾：

strsplit('<a>bc<d>e', '(?<=[^<])(?=[^>])', perl=TRUE)
## [[1]]
## [1] "<a>" "b"   "c"   "<d>" "e"

请参阅R demo。

详情

【讨论】：

【解决方案2】：

(<[^>]+>|\S)

似乎有效。这会首先尝试将三角括号与它们包含的所有内容进行匹配，如果不匹配，则匹配单个字符。

regmatches(X, gregexpr("<[^>]+>|\\S",X))[[1]]
#> [1] "<a>" "b"   "c"   "<d>" "e"

【讨论】：