将函数应用于 R 中 gsub 内的反向引用答案

【问题标题】：Applying a function to a backreference within gsub in R将函数应用于 R 中 gsub 内的反向引用
【发布时间】：2014-08-26 13:02:44
【问题描述】：

我是 R 新手，并且被似乎不起作用的反向引用所困扰。在：

gsub("\\((\\d+)\\)", f("\\1"), string)

它正确地抓取了括号之间的数字，但没有应用（正确定义，否则工作）函数 f 来替换数字 --> 它实际上是传递给 f 的字符串“\1”。

是我遗漏了什么还是只是 R 没有处理这个问题？如果是这样，知道我该如何做类似的事情，即“即时”将一个函数应用于我正在解析的文本中括号之间出现的（实际上很多）数字？

非常感谢您的帮助。

【问题讨论】：

将数字提取到向量中，在该向量上应用函数，将结果提供给gsub。
谢谢！是的，使用 gregexpr/regmatches 提取到向量很容易，我一直在考虑这个问题——但是如何将它反馈给 gsub？
@JMD 欢迎来到 stackoverflow。当您发布时，发布最少的数据集也很有帮助。此链接提供有关格式化问题的信息：stackoverflow.com/help/how-to-ask

标签： r backreference

【解决方案1】：

R 没有通过gsub 将函数直接应用于匹配项的选项。您实际上必须提取匹配项，转换值，然后替换值。使用regmatches 函数，这相对容易。例如

x<-"(990283)M (31)O (29)M (6360)M"

f<-function(x) {
    v<-as.numeric(substr(x,2,nchar(x)-1))
    paste0(v+5,".1")
}

m <- gregexpr("\\(\\d+\\)", x)
regmatches(x, m) <- lapply(regmatches(x, m), f)
x
# [1] "990288.1M 36.1O 34.1M 6365.1M"

当然，你可以让f 做任何你喜欢的事情，只要确保它是矢量友好的。当然，您可以将其包装在您自己的函数中

gsubf <- function(pattern, x, f) {
    m <- gregexpr(pattern, x)
    regmatches(x, m) <- lapply(regmatches(x, m), f)
    x   
}
gsubf("\\(\\d+\\)", x, f)

请注意，在这些示例中，我们没有使用捕获组，我们只是抓取整个匹配项。有一些方法可以提取捕获组，但它们有点混乱。如果您想提供一个需要进行此类提取的示例，我可能会想出一些更奇特的东西。

【讨论】：

工作正常！没想到regmatches <-。非常感谢。抱歉耽搁了，但我花了一些时间才发现 ifelse() 是矢量友好的，而 if() else 不是... R 很酷，但有时确实有点太特殊了！
使用捕获组的一种方法是在f 中使用pattern 提取它以供进一步使用v <- sub(pattern, "\\1", x)。
使用捕获组的类似用例：stackoverflow.com/a/49344399/2371031

【解决方案2】：

要在支持正则表达式的替换函数中使用回调，您可以使用gsubfn 或stringr 函数。

在它们之间进行选择时，请注意stringr 是基于 ICU 正则表达式引擎和 gsubfn，您可以使用默认的 TCL（如果 R 安装具有 tcltk 功能，否则它是默认的 TRE）或 PCRE（如果您传递 perl=TRUE 参数）。

另外，请注意gsubfn 允许访问匹配对象中的所有捕获组，而str_replace_all 只允许操纵整个匹配。因此，对于str_replace_all，正则表达式应该类似于(?<=\()\d+(?=\))，其中1+ 位仅当它们被( 和) 包围时才匹配，将它们排除在匹配之外。

使用stringr，您可以使用str_replace_all：

library(stringr)  
string <- "(990283)M (31)O (29)M (6360)M"
## Callback function to increment found number:
f <- function(x) { as.integer(x) + 1 }
str_replace_all(string, "(?<=\\()\\d+(?=\\))", function(m) f(m))
## => [1] "(990284)M (32)O (30)M (6361)M"

使用gsubfn，传递perl=TRUE 和backref=0 以便能够使用环视并修改整个匹配：

gsubfn("(?<=\\()\\d+(?=\\))", ~ f(m), string, perl=TRUE, backref=0)
## => [1] "(990284)M (32)O (30)M (6361)M"

如果模式中有多个组，请移除 backref=0 并在回调函数声明中枚举组值参数：

gsubfn("(\\()(\\d+)(\\))", function(m,n,o) paste0(m,f(n),o), string, perl=TRUE)
        ^ 1 ^^  2 ^^ 3 ^           ^^^^^^^          ^^^^

【讨论】：

当使用引用反向引用/捕获组的函数时，str_replace_all 的工作方式似乎与 gsub 没有任何不同。
@BrianD 如果您不能使用带有str_replace_all 的可调用对象，那么您使用的是一些非常旧的 R/stringr 版本。请参阅online R demo 证明stringr::str_replace_all 的工作原理与答案中的说明相同。无法在回调中访问捕获组，但我并没有声称它在答案中。 OP 使用对整个机器的引用，str_replace_all 做得很好。

【解决方案3】：

这是用于多个不同的替换。

text="foo(200) (300)bar (400)foo (500)bar (600)foo (700)bar"

f=function(x)
{
  return(as.numeric(x[[1]])+5)
}
a=strsplit(text,"\\(\\K\\d+",perl=T)[[1]]

b=f(str_extract_all(text,perl("\\(\\K\\d+")))

paste0(paste0(a[-length(a)],b,collapse=""),a[length(a)])  #final output
#[1] "foo(205) (305)bar (405)foo (505)bar (605)foo (705)bar"

【讨论】：

谢谢，但不，我要做的是直接通过函数替换字符串中的数字。而来自 stringr 的 str_replace_all 也不起作用，可能是因为它基于 gsub 等。
再次感谢，但当字符串中多次出现 \\d 时似乎不起作用，例如：(990283)M (31)O (29)M (6360)米

【解决方案4】：

这是一种通过稍微调整stringr::str_replace() 的方法，在替换参数中，只需使用 lambda 公式作为替换参数，并通过 ..1 而不是 ""\\1" 引用捕获的组，所以你的 gsub("\\((\\d+)\\)", f("\\1"), string)将变为str_replace2(string, "\\((\\d+)\\)", ~f(..1))，或者在这个简单的例子中只是str_replace2(string, "\\((\\d+)\\)", f)：

str_replace2 <- function(string, pattern, replacement, type.convert = TRUE){
  if(inherits(replacement, "formula"))
    replacement <- rlang::as_function(replacement)
  if(is.function(replacement)){
    grps_mat <- stringr::str_match(string, pattern)[,-1, drop = FALSE]
    grps_list <- lapply(seq_len(ncol(grps_mat)), function(i) grps_mat[,i])
    if(type.convert) {
      grps_list <- type.convert(grps_list, as.is = TRUE) 
      replacement <- rlang::exec(replacement, !!! grps_list)
      replacement <- as.character(replacement)
    } else {
      replacement <- rlang::exec(replacement, !!! grps_list)
    }
  }
  stringr::str_replace(string, pattern, replacement)
}

str_replace2(
  "foo (4)",
  "\\((\\d+)\\)", 
  sqrt)
#> [1] "foo 2"

str_replace2(
  "foo (4) (5)",
  "\\((\\d+)\\) \\((\\d+)\\)", 
  ~ sprintf("(%s)", ..1 * ..2))
#> [1] "foo (20)"

^{由reprex package (v0.3.0) 于 2020-01-24 创建}

【讨论】：