如何使用 R 的正则表达式用大括号替换方括号？

Question

由于 pandoc-citeproc 和 latex 之间的转换，我想替换它

[@Fotheringham1981]

有了这个

\cite{Fotheringham1981} .

下面的可重现示例说明了单独处理每个括号的问题。

x <- c("[@Fotheringham1981]", "df[1,2]")
x1 <- gsub("\\[@", "\\\\cite{", x)
x2 <- gsub("\\]", "\\}", x1)

x2[1] # good
## [1] "\\cite{Fotheringham1981}"

x2[2] # bad
## [1] "df[1,2}"

在 C# 中看到了类似的问题 solved，但没有使用 R 的 perly 正则表达式 - 有什么想法吗？

编辑：

它应该能够处理长文档，例如

old_rmd <- "$p = \alpha e^{\beta d}$ [@Wilson1971] and $p = \alpha d^{\beta}$
[@Fotheringham1981]."
new_rmd1 <- gsub("\\[@([^\\]]*)\\]", "\\\\cite{\\1}", old_rmd, perl = T) 
new_rmd2 <- gsub("\\[@([^]]*)]", "\\\\cite{\\1}", old_rmd) 

new_rmd1
## "$p = \alpha e^{\beta d}$ \\cite{Wilson1971} and $p = \alpha d^{\beta}$\n    \\cite{Fotheringham1981}."

new_rmd2
## [1] "$p = \alpha e^{\beta d}$ \\cite{Wilson1971} and $p = \alpha d^{\beta}$\n\\cite{Fotheringham1981}."

Answer 1

你需要使用捕获组。

x <- c("[@Fotheringham1981]", "df[1,2]")
gsub("\\[@([^\\]]*)\\]", "\\\\cite{\\1}", x, perl=T)
# [1] "\\cite{Fotheringham1981}" "df[1,2]" 

或

gsub("\\[@(.*?)\\]", "\\\\cite{\\1}", x)
# [1] "\\cite{Fotheringham1981}" "df[1,2]"

Answer 2

你可以使用

gsub("\\[@([^]]*)]", "\\\\cite{\\1}", x)

见IDEONE demo

正则表达式分解：

• \\[@ - 文字 [@ 符号序列
• ([^]]*) - 捕获组 1，匹配除 ] 之外的任何符号的 0 次或多次出现（请注意，如果 ] 出现在字符类的开头，则不需要转义）
• ] - 文字 ] 符号

您不需要将perl=T 与此一起使用，因为字符类中的] 不会被转义。否则，将需要使用该选项。

另外，我相信我们应该只逃避必须逃避的东西。如果有办法避免backslash hell，我们应该这样做。因此，您甚至可以使用

gsub("[[]@([^]]*)]", "\\\\cite{\\1}", x)

这里是another demo

为什么基于 TRE 的正则表达式比 PCRE 更有效：

在 R 2.10.0 及更高版本中，默认的正则表达式引擎是 Ville Laurikari 的 TRE 引擎 [source] 的修改版本。匹配所花费的时间library's author states随着输入文本长度的增加而线性增长，而内存需求几乎是恒定的（几十千字节）。 TRE 也是said 以使用可预测和适度的内存消耗以及所用正则表达式匹配算法长度的二次最坏情况时间。这就是为什么在处理较大的文档时最好依赖 TRE 而不是 PCRE 正则表达式。

Answer 3

这匹配[@，然后设置一个捕获组，即(...)内的所有内容，然后.*?匹配最短字符串直到]：

gsub("\\[(@.*?)\\]", "\\\\cite{\\1}", x)
## [1] "\\cite{@Fotheringham1981}" "df[1,2]" 

这是正则表达式的铁路图：

\[(@.*?)\]

Debuggex Demo