R 在知道某些子字符串的情况下拆分字符串

假设我有以下字符串和子字符串向量：

x <- "abc[[+de.f[-[[g"
v <- c("+", "-", "[", "[[")

---

获取匹配项的一个选项可能是：

• [a-z.]+

  匹配1+乘以a-z或点

• |

  或

• \[+

  匹配1+次

  [

• |`或

• [+-]

  匹配

  +

  或

  -

|

例如，要获取匹配项，请执行以下操作：

library(stringr)
x <- "abc[[+de.f[-[[g"
str_extract_all(x, "[a-z.]+|\\[+|[+-]")

库（stringr）
使用
stringr:：str\u match\u all
和
Hmisc:：escapeRegex
：

x这似乎更像是一个词法分析问题，而不是匹配问题。我似乎用

library（minilexer）#devtools:：install_github（“coolbutuntible/minilexer”）
模式基于纯正则表达式的解决方案

x <- "abc[[+de.f[-[[g"
v <- c("+", "-", "[", "[[")

## Escaping function
regex.escape <- function(string) {
  gsub("([][{}()+*^$|\\\\?.])", "\\\\\\1", string)
}
## Sorting by length in the descending order function
sort.by.length.desc <- function (v) v[order( -nchar(v)) ]

pat <- paste(regex.escape(sort.by.length.desc(v)), collapse="|")
pat <- paste0("(?s)", pat, "|(?:(?!", pat, ").)+")
res <- regmatches(x, gregexpr(pat, x, perl=TRUE))
## => [[1]]
##    [1] "abc"  "[["   "+"    "de.f" "["    "-"    "[["   "g"

请参见regex演示和Regulex图表：


详细信息


（？s）
-使
匹配任何字符（包括换行符）的点调用修饰符
\[\[
-
[[
子字符串（使用
regex.escape转义）

|
-或
\+
-a
+
|-
-或
-
（无需转义
-
，因为它不在字符类中）
\[
-或
[
|
-或
（？：（？！\[\[\+\\+-\[）+
-匹配任何字符（
）的一种，尽可能多地重复1次或更多次（
+
，在结尾），这不会开始一个
[
，
+
，
-
或
[
字符序列（了解更多信息）

<>你也可以考虑一个较少的“正则表达式密集型”的解决方案：
x <- "abc[[+de.f[-[[g"
v <- c("+", "-", "[", "[[")

## Escaping function
regex.escape <- function(string) {
  gsub("([][{}()+*^$|\\\\?.])", "\\\\\\1", string)
}
## Sorting by length in the descending order function
sort.by.length.desc <- function (v) v[order( -nchar(v)) ]
## Interleaving function
riffle3 <- function(a, b) { 
  mlab <- min(length(a), length(b)) 
  seqmlab <- seq(length=mlab) 
  c(rbind(a[seqmlab], b[seqmlab]), a[-seqmlab], b[-seqmlab]) 
} 
pat <- paste(regex.escape(sort.by.length.desc(v)), collapse="|")
res <- riffle3(regmatches(x, gregexpr(pat, x), invert=TRUE)[[1]], regmatches(x, gregexpr(pat, x))[[1]])
res <- res[res != ""]
## => [1] "abc"  "[["   "+"    "de.f" "["    "-"    "[["   "g"   

x谢谢，这可能是正确的选择，但你对我的数据做出了强有力的假设，字符可能是anything@Moody_Mudskipper它基于示例中的字符串。您可以使用希望允许的字符扩展character类。您创建了
[+
进入一个异常，然后手动编码
+
和
-
，以一种只对单个字符有效的方式，我需要从向量变量开始，使用
lappy对每个字符进行转义（tmp，function（x）paste0（\\”，x，collapse=”“）
？这充满了问题。使用
Hmisc:：escapeRegex
使它更干净，它的代码与您的
regex类似。escape
My
regex。在我看来，escape
是最好的，因为它只会转义那些可能需要转义的字符。不过，我不包括空格和
，因为很少使用自由间距模式使用R正则表达式。这几乎是完美的：
temp@Moody\u Mudskipper如果你查看
lex（）
的源代码，它基本上也在做
str\u match\u all（）
答案中的方法。可能有更好的方法来构建一个合适的快速词法分析器，但这类东西在C级通常更容易。坚持你的答案可能会更容易。谢谢，这就是我使用的方法。我也喜欢这是100%的基R。虽然我没有做基准测试，但事后看来，速度并不是一个真正的问题问题。@Moody_Mudskipper注意到，一个贪婪的令牌会消耗资源，而且速度可能会很慢。但是，这是纯正则表达式的唯一方法，因为您的数据是动态的。如果您事先知道
v
内容，您可以手动优化该模式，但它是用户定义的，没有优化的方法。
library(stringr)
x <- "abc[[+de.f[-[[g"
str_extract_all(x, "[a-z.]+|\\[+|[+-]")

library(minilexer) #devtools::install_github("coolbutuseless/minilexer")

patterns <- c(
  dbracket  = "\\[\\[", 
  bracket   = "\\[",
  plus      = "\\+",
  minus     = "\\-",
  name      = "[a-z.]+"
)

x <- "abc[[+de.f[-[[g"
lex(x, patterns)
unname(lex(x, patterns))
# [1] "abc"  "[["   "+"    "de.f" "["    "-"   
# [7] "[["   "g" 

x <- "abc[[+de.f[-[[g"
v <- c("+", "-", "[", "[[")

## Escaping function
regex.escape <- function(string) {
  gsub("([][{}()+*^$|\\\\?.])", "\\\\\\1", string)
}
## Sorting by length in the descending order function
sort.by.length.desc <- function (v) v[order( -nchar(v)) ]

pat <- paste(regex.escape(sort.by.length.desc(v)), collapse="|")
pat <- paste0("(?s)", pat, "|(?:(?!", pat, ").)+")
res <- regmatches(x, gregexpr(pat, x, perl=TRUE))
## => [[1]]
##    [1] "abc"  "[["   "+"    "de.f" "["    "-"    "[["   "g"

(?s)\[\[|\+|-|\[|(?:(?!\[\[|\+|-|\[).)+

x <- "abc[[+de.f[-[[g"
v <- c("+", "-", "[", "[[")

## Escaping function
regex.escape <- function(string) {
  gsub("([][{}()+*^$|\\\\?.])", "\\\\\\1", string)
}
## Sorting by length in the descending order function
sort.by.length.desc <- function (v) v[order( -nchar(v)) ]
## Interleaving function
riffle3 <- function(a, b) { 
  mlab <- min(length(a), length(b)) 
  seqmlab <- seq(length=mlab) 
  c(rbind(a[seqmlab], b[seqmlab]), a[-seqmlab], b[-seqmlab]) 
} 
pat <- paste(regex.escape(sort.by.length.desc(v)), collapse="|")
res <- riffle3(regmatches(x, gregexpr(pat, x), invert=TRUE)[[1]], regmatches(x, gregexpr(pat, x))[[1]])
res <- res[res != ""]
## => [1] "abc"  "[["   "+"    "de.f" "["    "-"    "[["   "g"