R中匹配的&符号系列？答案

【问题标题】：Matching series of Ampersands in R?R中匹配的&符号系列？
【发布时间】：2018-10-23 12:30:11
【问题描述】：

我无法解决以下问题。请求大家在这方面帮助我。

我的数据中有一系列 &

我的尝试和例子：

string1 <- "This aa should be replaced: but this aaa shouldn't"
string2 <- "This && should be replaced: but this &&& shouldn't"

gsub("aa", "XXX", string1)       #1.
gsub("\\baa\\b", "XXX", string1) #2.

gsub("&&", "XXX", string2)       #3.
gsub("\\b&&\\b", "XXX", string2) #4.

上面，如果我想匹配string1中的'aa'，我可以有两种方法，

在方法 1（表示为：#1）中，我可以简单地传递 'aa' 但这也会部分匹配 'aaa'，这是我不想要的，我希望我的正则表达式完全匹配成对的 'a' ，在我的情况下是'aa'。

为了解决这个问题，我使用了正则表达式（#2），在这种情况下它工作正常。

现在，在 string2 中，我预计会有类似的行为，我想要匹配不匹配的一对 '&&' 而不是匹配一对 'a'。

(#3) 尝试有效，但这不是我想要的结果，因为它也部分匹配 '&&&'，

(#4) 尝试由于某种原因不起作用，它没有替换字符串。

我的问题是：

1) Why pair of ampersands are not working with boundary conditions ?

2) What is the way around to solve this problem ?

我真的很难过，因此浪费了我一整天，真的感觉很糟糕，尝试在谷歌上找到解决方案，但尚未成功。

如果有人知道，如果它在那里，请将我重定向到一个帖子。或者如果有人发现它是重复的，请告诉我，我会删除它。

感谢您的帮助和阅读问题。

编辑：我的单词边界现在是空格。

输出：

> gsub("aa", "XXX", string1)
[1] "This XXX should be replaced: but this XXXa shouldn't"
> gsub("\\baa\\b", "XXX", string1)
[1] "This XXX should be replaced: but this aaa shouldn't"
> 
> gsub("&&", "XXX", string2)
[1] "This XXX should be replaced: but this XXX& shouldn't"
> gsub("\\b&&\\b", "XXX", string2)
[1] "This && should be replaced: but this &&& shouldn't"
>

注意：我也检查了 perl=TRUE，但它不起作用。

【问题讨论】：

请定义您的“单词边界”。那是空格和字符串的开始/结束吗？ \b 匹配字符串的开始/结束与单词 char 之间的位置，或单词与非单词 char 之间的位置。
然后使用gsub("(?<!\\S)&&(?!\\S)", "XXX", string2, perl=TRUE)。您误解了 \b 的作用以及正则表达式中的“单词”是什么。

标签： r regex gsub

【解决方案1】：

\b word boundary 表示：

有资格作为单词边界的三个不同位置：

在字符串的第一个字符之前，如果第一个字符是单词字符。

在字符串的最后一个字符之后，如果最后一个字符是一个单词字符。

在字符串中的两个字符之间，其中一个是单词字符，另一个不是单词字符。

"\\b&&\\b" 模式与 && 匹配时，它包含单词字符、字母、数字或 _ 字符。

要匹配空白边界，您可以使用

gsub("(?<!\\S)&&(?!\\S)", "XXX", string2, perl=TRUE)

模式匹配

(?<!\\S) - 一个不紧跟在非空白字符前面的位置（即，必须在当前位置的左侧紧邻字符串或空白字符的开头）
&& - 文字子字符串
(?!\\S) - 一个不紧跟非空白字符的位置（即，当前位置右侧必须有字符串结尾或空白字符）。

【讨论】：

等效地，您大概可以使用 `"\\B&&\\B" 来匹配 空白边界 而不是环视？
@MokeEire 这不是等价的，\B&&\B 匹配两个与符号，当它们用非单词字符（字母、数字和下划线以外的字符）或字符串的开头/结尾括起来时。
空白字符包含在非单词字符中，对吗？
@MokeEire 是的，空格是非单词字符，因为它们不是字母、数字或_。空白边界是自定义边界，不如（非）单词边界通用。
啊，所以和号也算作非单词边界，因此在原始帖子中产生相同的“XXX&”？

【解决方案2】：

更具体，但您可以像这样使用两步函数

replace2steps <- function(mystring, toreplace,replacement, toexclude, intermediate) {
  intermstring <- gsub(toexclude,  intermediate,string2)
  result <-  gsub(toreplace,  replacement, intermstring)
  result <-  gsub(intermediate,  toexclude, result)
  return(result)
}
replace2steps(string2, "&&", "XX", "&&&", "%%%")
[1] "This XX should be replaced: but this &&& shouldn't"

【讨论】：