如何使用'|'进行strsplit字符，它的行为出乎意料？答案

【问题标题】：How to strsplit using '|' character, it behaves unexpectedly?如何使用'|'进行strsplit字符，它的行为出乎意料？
【发布时间】：2011-09-16 23:12:55
【问题描述】：

我想在模式“|”处分割一个字符串

但是

unlist(strsplit("I am | very smart", " | "))

[1] "I"     "am"    "|"     "very"  "smart"

或

gsub(pattern="|", replacement="*", x="I am | very smart")    

[1] "*I* *a*m* *|* *v*e*r*y* *s*m*a*r*t*"

【问题讨论】：

标签： r regex string special-characters

【解决方案1】：

问题在于默认情况下strsplit 将" | " 解释为正则表达式，其中| 具有特殊含义（如“或”）。

使用fixed 参数：

unlist(strsplit("I am | very smart", " | ", fixed=TRUE))
# [1] "I am"       "very smart"

副作用是计算速度更快。

stringr 替代：

unlist(stringr::str_split("I am | very smart", fixed(" | ")))

【讨论】：

【解决方案2】：

| 是一个元字符。你需要转义它（在它之前使用\\）。

> unlist(strsplit("I am | very smart", " \\| "))
[1] "I am"       "very smart"
> sub(pattern="\\|", replacement="*", x="I am | very smart")
[1] "I am * very smart"

编辑：您需要两个反斜杠的原因是单个反斜杠前缀是为特殊符号保留的，例如\n（换行符）和\t（制表符）。有关更多信息，请查看帮助页面 ?regex。其他元字符是. \ | ( ) [ { ^ $ * + ?

【讨论】：

谢谢！！！但是你怎么知道我们需要 2 个反斜杠呢？我只试过一个。

【解决方案3】：

如果您正在解析表格，那么调用 read.table 可能是更好的选择。小例子：

> txt <- textConnection("I am | very smart")
> read.table(txt, sep='|')
     V1          V2
1 I am   very smart

所以我建议使用 Rcurl 获取 wiki 页面，使用 XML 获取页面中有趣的部分（它也有一个真正的 neat function 来解析 HTML 表），如果 HTML 格式不可用，请调用read.table 与指定的 sep。祝你好运！

【讨论】：

【解决方案4】：

管道'|'是一个元字符，在正则表达式中用作“或”运算符。

试试 unlist(strsplit("I am | very smart", "\s+\|\s+"))

【讨论】：

再次，我必须添加 2 个反斜杠才能使其工作： unlist(strsplit("I am | very smart", "\\s+\\|\\s+"))