将函数传递给基于 R 正则表达式的工具答案

【问题标题】：Passing function to R regex-based tools将函数传递给基于 R 正则表达式的工具
【发布时间】：2020-10-18 15:36:12
【问题描述】：

这个字符串操作问题已经避开了我的最大努力。我有一个字符串，例如

eg_str="[probability space](posts/probability space.md) is ... [Sigma Field](posts/Sigma Field.md)"

我想用下划线替换 ([wildcard].md) 通配符中的所有空格。我的第一个想法是使用 gsub 或 stringr 的 str_replace_all 将适当的子字符串传递给一个简单的函数。类似的东西

convert_space_to_underscore<-function(string){
    return(str_replace(string," ","_"))
}
normal_eg_str<-gsub("\\((.+?)md\\)",paste0("(",convert_space_to_underscore("\\1"),"md)"),normal_eg_str)

或

normal_eg_str<-str_replace_all(document,"\\((.+?)md\\)",paste0("(",convert_space_to_underscore("\\1"),".md)"))

但是，当我运行这些时，似乎正在传递 convert_space_to_underscore 的参数，而不是输出，因为字符串返回不变（如果您在 paste0 组件中出错，说有 paste0("(",convert_space_to_underscore("\\1"),".m)")，那么字符串返回为

eg_str="[probability space](posts/probability space.m) is ... [Sigma Field](posts/Sigma Field.m)"

所以我很确定发生的事情是 str_replace_all 和 gsub 根本没有评估函数）。

有没有办法强制评估？这将是最理想的，因为它将允许正则表达式组件保持一定的可读性。但是，我也欢迎任何纯正则表达式解决方案——我的尝试都导致了贪婪的错误，无论我似乎在哪里撒? 和{0} 特殊字符。（注意：会有一些匹配的子字符串有多个空格，例如[Dynklin's Pi Lambda](posts/dynklins pi lambda.md)）

【问题讨论】：

标签： r regex gsub stringr

【解决方案1】：

你可以使用

library(stringr)
eg_str <- "[probability space](posts/probability space.md) is ... [Sigma Field](posts/Sigma Field.md)"
str_replace_all(eg_str, "\\([^()]+\\.md\\)", function(x) gsub(" ", "_", x, fixed=TRUE) )
## => [1] "[probability space](posts/probability_space.md) is ... [Sigma Field](posts/Sigma_Field.md)"

见online R demo。

注意：要用单个下划线替换一个或多个空白块，您需要在gsub:gsub("\\s+", "_", x) 中使用正则表达式。

first regex 查找所有字符串

\( - 以 ( 开头
[^()]+ - 除了( 和) 之外还有一个或多个字符
\.md - .md 字符串
\) - 并以 ) 结尾

然后，匹配被传递给一个匿名函数，用_（gsub(" ", "_", x, fixed=TRUE)）替换每个常规空格。

一个基本的 R 解决方案（可读性较差，但使用普通的正则表达式）：

eg_str <- "[probability space](posts/probability space.md) is ... [Sigma Field](posts/Sigma Field.md)"
gsub("(?:\\G(?!^)|\\()[^()\\s]*\\K\\s+(?=[^()]*\\.md\\))", "_", eg_str, perl=TRUE)

见this R demo online。见this regex demo。详情：

(?:\G(?!^)|\() - 上一场比赛的结束或( char
[^()\s]* - 除(、) 和空格之外的任何 0 个或多个字符
\K - 匹配重置操作符，从整体匹配内存缓冲区中丢弃所有匹配的文本
\s+ - 一个或多个空格
(?=[^()]*\.md\)) - 除了( 和) 之外，应该有零个或多个字符，紧跟在当前位置右侧的.md)。

【讨论】：