R strsplit before ( 和 after ) 保留两个分隔符答案

【问题标题】：R strsplit before ( and after ) keeping both delimitersR strsplit before ( 和 after ) 保留两个分隔符
【发布时间】：2014-09-29 09:03:33
【问题描述】：

我有一个如下所示的字符串：

x <- "01(01)121210(01)0001"

我想将其拆分为一个向量，以便得到以下信息：

[1] "0" "1" "(01)" "1" "2" "1" "2" "1" "0" "(01)" "0" "0" "0" "1"

(|) 可以是 [|] 或 {|}，括号之间的位数可以是 2 或更多。

我一直在尝试通过先在括号上分开来做到这一点：

unlist(strsplit(x, "(?<=[\\]\\)\\}])", perl=T))
[1] "01(01)" "121210(01)" "0001"

or unlist(strsplit(x, "(?<=[\\[\\(\\{])", perl=T))
[1] "01(" "01)121210(" "01)0001"

但我找不到将两者结合在一起的方法。然后，我希望拆分不包含括号的元素。

如果有人能帮我解决这个问题或知道更优雅的方法，我将不胜感激。

非常感谢！

【问题讨论】：

标签： regex r delimiter strsplit

【解决方案1】：

只需将 PERL 选项更改为 TRUE 并根据以下模式拆分输入字符串。

(?<!\(|^)(?!\)|\d\)|$)

DEMO

R 正则表达式是，

"(?<!\\(|^)(?!\\)|\\d\\)|$)"

【讨论】：

【解决方案2】：

使用 gsubfn 包中的 strapply 可以在不使用零宽度前瞻/后向表达式的情况下完成此操作。正则表达式匹配一个数字或一个 ( 直到下一个 )。

library(gsubfn)

strapply(x, "\\d|\\(.*?\\)", c, perl = TRUE)[[1]]

给予：

 [1] "0"    "1"    "(01)" "1"    "2"    "1"    "2"    "1"    "0"    "(01)"
[11] "0"    "0"    "0"    "1"

注意：在问题中显示的示例中，(...) 中的部分始终为两位数。如果总是这样，它可以进一步简化为：

strapplyc(x, "\\d|\\(...")[[1]]

更新添加注释。

【讨论】：

在这种情况下为什么不使用gregexpr？
因为简单。
grexexpr 单独不是一个解决方案。显然这里显示的解决方案更简单。
我在问你同样的模式（显然）。换句话说就是这样：m<-gregexpr("\\d|\\(.*?\\)", x) regmatches(x, m)
这涉及到提取索引，然后对其应用第二个操作——当它可以在单个命令中完成时并不简单。此外，如果您想对每个输出组件进行某些操作，c 可以用任意函数替换，而不会增加太多复杂性。

【解决方案3】：

这是另一种方式：

unlist(strsplit(x, '\\([^)]*\\)(*SKIP)(*F)|(?=)', perl=T))
# [1] "0"    "1"    "(01)" "1"    "2"    "1"    "2"    "1"    "0"    "(01)" "0"    "0"    "0"    "1"

\\([^)]*\\) 匹配括号中的任何内容，(*SKIP)(*F) 告诉正则表达式引擎在此模式上失败，如果它在字符串中找到该模式，则不要使用替代模式重新测试该部分字符串| 的另一边。 | 另一边的模式是(?=)，这匹配字符之间的空格。

【讨论】：

我也很喜欢这个答案，但似乎只能选择一个。对此真的很抱歉。顺便说一句，我将如何修改它以使用 { } 或 [ ] ？

【解决方案4】：

另一种可能的方式：

unlist(strsplit(x, '(?!\\(?\\d*\\))', perl=T))

比 Matthew Plourde 方式更短但效率更低

或者像 G. Grothendieck 所写的那样：

m<-gregexpr("\\d|\\([^)]*\\)", x)
regmatches(x, m)

【讨论】：