在 R 中使用 strsplit()，忽略括号中的任何内容

Question

我正在尝试在 R 中使用 strsplit() 根据逗号将字符串分成几段，但我不想在括号中拆分任何内容。我认为答案是正则表达式，但我正在努力让代码正确。

例如：

x <- "This is it, isn't it (well, yes)"
> strsplit(x, ", ")
[[1]]
[1] "This is it"     "isn't it (well" "yes)" 

当我想要的是：

[1] "This is it"     "isn't it (well, yes)"

Answer 1

我们可以使用PCRE 正则表达式到FAIL 任何,，其后是( 在) 之前并由, 分割，后跟0 个或多个空格（\\s*）

 strsplit(x, '\\([^)]+,(*SKIP)(*FAIL)|,\\s*', perl=TRUE)[[1]]
 #[1] "This is it"           "isn't it (well, yes)"

Answer 2

我建议使用另一个带有(*SKIP)(*F) 的正则表达式来忽略所有(...) 子字符串，并且只匹配带括号的子字符串之外的逗号：

x <- "This is it, isn't it (well, yes), and (well, this, that, and this, too)"
strsplit(x, "\\([^()]*\\)(*SKIP)(*F)|\\h*,\\h*", perl=T)

见IDEONE demo

您可以在此处阅读有关How do (*SKIP) or (*F) work on regex? 的更多信息。正则表达式匹配：

• \( - 一个左括号
• [^()]* - 除( 和) 之外的零个或多个字符
• \) - 右括号
• (*SKIP)(*F) - 将当前正则表达式索引推进到右括号后位置的动词
• | - 或者...
• \\h*,\\h* - 用零个或多个水平空格包围的逗号。

Answer 3

另一种方法：

添加到@Wiktor 的示例字符串，

x <- "This is it, isn't it (well, yes), and (well, this, that, and this, too). Let's look, does it work?"

现在是魔法：

> strsplit(x, ", |(?>\\(.*?\\).*?\\K(, |$))", perl = TRUE)
[[1]]
[1] "This is it"                                       
[2] "isn't it (well, yes)"                             
[3] "and (well, this, that, and this, too). Let's look"
[4] "does it work?"  

那么, |(?>\\(.*?\\).*?\\K(, |$)) 是如何匹配的呢？

• | 捕获任一侧的任一组，两者
  • 在左边，字符串,
  • 在右边，(?>\\(.*?\\).*?\\K(, |$))：
    • (?> ... ) 设置 an atomic group，不允许回溯重新评估匹配的内容。
    • 在这种情况下，它会查找左括号 (\\()，
    • 然后任何字符 (.) 从 0 到无限次重复 (*)，但尽可能少 (?)，即 . 被延迟评估。
    • 先前的. 重复随后被第一个右括号 (\\)) 限制，
    • 后面是另一组重复 0 到尽可能少的任意字符 (.*?)
    • 以a \\K 结尾，这会丢弃到目前为止的匹配并设置新匹配的起点。
    • 以前的.*? 受捕获组（( ... )）的限制，| 要么
      • 选择一个实际的文本字符串，,，
      • 或将\\K 移动到行尾$（如果没有更多逗号）。

*哇哦。*

如果我的解释令人困惑，请参阅上面链接的文档，并查看regex101.com，您可以在其中输入上述正则表达式（单转义-\-而不是R 样式的双转义-\\）和一个测试字符串，看看它匹配什么，并得到它在做什么的解释。您需要在正则表达式框旁边的框中设置 g（全局）修饰符以显示所有匹配项，而不仅仅是第一个。

快乐strspliting！