拆分保持重复的分隔符答案

【问题标题】：Split keep repeated delimiter拆分保持重复的分隔符
【发布时间】：2014-12-18 00:51:18
【问题描述】：

我正在尝试使用 stringi 包在分隔符上拆分（可能会重复分隔符）但保留分隔符。这类似于我之前问过的这个问题：R split on delimiter (split) keep the delimiter (split)，但分隔符可以重复。我不认为 base strsplit 可以处理这种类型的正则表达式。 stringi 包可以，但我不知道如何格式化正则表达式，如果有重复，它会在分隔符上拆分，并且不要在字符串末尾留下空字符串。

欢迎使用 Base R 解决方案、stringr、stringi 等解决方案。

后来的问题出现了，因为我在\\s 上使用了贪婪的*，但空间没有保证，所以我只能想把它留在里面：

MWE

text.var <- c("I want to split here.But also||Why?",
   "See! Split at end but no empty.",
   "a third string.  It has two sentences"
)

library(stringi)   
stri_split_regex(text.var, "(?<=([?.!|]{1,10}))\\s*")

# 结果

## [[1]]
## [1] "I want to split here." "But also|"     "|"          "Why?"                 
## [5] ""                     
## 
## [[2]]
## [1] "See!"       "Split at end but no empty." ""                          
## 
## [[3]]
## [1] "a third string."      "It has two sentences"

#期望的结果

## [[1]]
## [1] "I want to split here." "But also||"                     "Why?"                                  
## 
## [[2]]
## [1] "See!"         "Split at end but no empty."                         
## 
## [[3]]
## [1] "a third string."      "It has two sentences"

【问题讨论】：

标签： regex r string stringi

【解决方案1】：

使用strsplit

 strsplit(text.var, "(?<=[.!|])( +|\\b)", perl=TRUE)
 #[[1]]
 #[1] "I want to split here." "But also||"            "Why?"                 

 #[[2]]
 #[1] "See!"                       "Split at end but no empty."

 #[[3]]
 #[1] "a third string."      "It has two sentences"

或者

 library(stringi)
 stri_split_regex(text.var, "(?<=[.!|])( +|\\b)")
 #[[1]]
 #[1] "I want to split here." "But also||"            "Why?"                 

 #[[2]]
 #[1] "See!"                       "Split at end but no empty."

 #[[3]]
 #[1] "a third string."      "It has two sentences"

【讨论】：

您介意解释一下*SKIP 和*F 是什么，以及它们在正则表达式中扮演的角色吗？
@Josh O'Brien 感谢 cmets。实际上，不需要*SKIP *F。我之前在编写代码时使用它，后来没有检查它。
@Tyle Rinker 谢谢。 *SKIP *F 部分也不能与 stringi 一起使用。
两种方法都很好用，但这个更简洁一些。谢谢+1

【解决方案2】：

只需使用一种模式来查找字符间位置：(1) 前面有 ?.!| 之一；和 (2) 不后跟?.!| 之一。添加\\s* 以匹配并吃掉任意数量的连续空格字符，您就可以开始了。

##                  (look-behind)(look-ahead)(spaces)
strsplit(text.var, "(?<=([?.!|]))(?!([?.!|]))\\s*", perl=TRUE)
# [[1]]
# [1] "I want to split here." "But also||"            "Why?"                 
# 
# [[2]]
# [1] "See!"                       "Split at end but no empty."
# 
# [[3]]
# [1] "a third string."      "It has two sentences"

【讨论】：

您向我展示了我的正则表达式思维错误的地方，这对学习有很大帮助。 akrun 的方法更简洁一些。 +1