是否有任何方法专门替换 R 中的重复模式？答案

【问题标题】：Is there any method replace repeating pattern specifically in R?是否有任何方法专门替换 R 中的重复模式？
【发布时间】：2020-04-17 08:24:41
【问题描述】：

我有一个包含单词和数字的字符串。

[1] "\r\nfund \r\ncompany \r\nfee \r\nsales \r\ngroup \r\npayment \r\nmanagement \r\nfirm \r\nfee \r\ntotal \r\npayment \r\nsubtotal \r\nfee \r\nsynthetic \r\nfee... sth ... \r\n0.646 0.030 0.030 0.015 1.253....

如你所见，有一种模式有 sth~ fee, sth~ payment。我的最终目标是使用扫描功能或其他方法将单词分组以制作此表（如果您有任何想法，请回复。）

所以我尝试删除所有空白，因为扫描功能（我猜）以一些空白作为标准来划分单词组。

我的意思是，我想让这个字符串像这样

[1] "\r\nfundcompanyfee \r\nsalesgrouppayment \r\nmanagementfirmfee \r\ntotalpayment \r\nsubtotalfee \r\nsyntheticfee... sth ... \r\n0.646 0.030 0.030 0.015 1.253....

我尝试过像这样使用 gsub 函数

 gsub("\r\n\\w\\w.*?fee|payment","\\w\\w",strings)

但结果很糟糕。它使字符串像这样

ww ww ww ww........ 0.646 0.030 0.030 ....

那是它不将 \w 识别为单词.. 只需将其翻译为 'w' 就可以了！

所以我需要一些帮助来处理这个问题。感谢您的阅读。

【问题讨论】：

标签： r regex string

【解决方案1】：

试试这个。可能可以简化，但它有效：

library(stringr)

strings <- "\r\nfund \r\ncompany \r\nfee \r\nsales \r\ngroup \r\npayment \r\nmanagement \r\nfirm \r\nfee \r\ntotal \r\npayment \r\nsubtotal \r\nfee \r\nsynthetic \r\nfee \r\n0.646 0.030 0.030 0.015 1.253"

# values
values <- stringr::str_extract_all(strings, "\\d+\\.\\d+")[[1]]
values <- paste0("\r\n", paste(values, collapse = " "))
# categories
categories <- stringr::str_extract_all(strings, "(\\r\\n\\w+\\s){1,2}\\r\\n(fee|payment)")[[1]] 
categories <- stringr::str_replace_all(categories, "(\\r\\n|\\s)", "")
categories <- paste(paste0("\r\n", categories), collapse = " ")
# merge
strings1 <- paste(categories, values)
strings1
#> [1] "\r\nfundcompanyfee \r\nsalesgrouppayment \r\nmanagementfirmfee \r\ntotalpayment \r\nsubtotalfee \r\nsyntheticfee \r\n0.646 0.030 0.030 0.015 1.253"

^{由reprex package (v0.3.0) 于 2020-04-17 创建}

【讨论】：

【解决方案2】：

你可以试试这个。

library(tidyverse)
strings <- "\r\nfund \r\ncompany \r\nfee \r\nsales \r\ngroup \r\npayment \r\nmanagement \r\nfirm \r\nfee \r\ntotal \r\npayment \r\nsubtotal \r\nfee \r\nsynthetic \r\nfee \r\n0.646 0.030 0.030 0.015 1.253"

strings %>% 
 gsub("\r\n", "", .) %>% 
 gsub("fee", "fee$", .) %>% 
 gsub("payment", "payment$", .) %>% 
 str_split(., pattern = "\\$", simplify = T) %>% 
 toString() %>% 
 gsub(",","\r\n", .)
[1] "fund company fee\r\n  sales group payment\r\n  management firm fee\r\n  total payment\r\n  subtotal fee\r\n  synthetic fee\r\n ... sth ... 0.646 0.030 0.030 0.015 1.253...."

如果要删除单词之间的空格，只需在 split 函数后添加这一行 gsub(" ", "", .) %>%。

【讨论】：