在R中的数学比较符号处拆分字符向量

我想用数学比较来拆分表达式，例如

unlist(strsplit("var<3", "(?=[=<>])", perl = TRUE))
unlist(strsplit("var==5", "(?=[=<>])", perl = TRUE))
unlist(strsplit("var>2", "(?=[=<>])", perl = TRUE))

unlist（strsplit（“var2”，“（？=[=]）”，perl=TRUE））

结果是：

[1] "var" "<"   "3"  
[1] "var" "="   "="   "5"  
[1] "var" ">"   "2"  

[1]“变量”“2”

对于上面的第二个示例，我希望得到

[1]“var”“==”“5”

，因此这两个

=

应该作为单个元素返回。我需要如何更改正则表达式才能实现这一点？（我已经尝试过对“==”进行分组和量词，但没有任何效果-正则表达式不是我的朋友…

使用单词的边界（

\\b

）并指定查找的两种可能性：

unlist(strsplit("var==5", "(?=(\\b[^a-zA-Z0-9])|(\\b[a-zA-Z0-9]\\b))", perl = TRUE))
[1] "var" "=="  "5" 

unlist(strsplit("var<3", "(?=(\\b[^a-zA-Z0-9])|(\\b[a-zA-Z0-9]\\b))", perl = TRUE))
[1] "var" "<"   "3"
unlist(strsplit("var>2", "(?=(\\b[^a-zA-Z0-9])|(\\b[a-zA-Z0-9]\\b))", perl = TRUE))
[1] "var" ">"   "2"

EDIT2:

---

完全窃取@Tensibai定义alphanum（+下划线）/非alphanum字符的方式，上述

regex

可以简化为：

”（？您可以使用PCRE regex来匹配所需的子字符串：

==|[<>]|(?:(?!==)[^<>])+

看

详细信息：


=
-2
=
符号
|
-或
[]
-a

|
-或
（？：（？！==）[^]）+
-1个或多个字符，而不是
（
[^]
），它们不启动
=
字符序列（令牌）

注意：通过添加更多备选方案和调整令牌，可以轻松扩展

:

>文本分辨率
[[1]]
[1] “Text1”“==”“text2”“”
[7] “在注释中扩展我的想法，只是为了格式化：

tests=c("var==5","var<3","var.name>5")
regmatches(tests,regexec("([a-zA-Z0-9_.]+)(\\W+)([a-zA-Z0-9_.]+)",tests))

如果您的条目在操作符周围有空间，您可以在每个捕获组之间添加
*
，如果没有空间，操作符捕获将获得它们。
您是否只想限制到
，
@Wiktor，是的，我只想限制在>，sub（（.*）（[=]）（.*））捕获每个部分，“\\2”，“var==55”，perl=TRUE）
或类似的东西。您也可以使用它来拆分strsplit（sub（（.*？）（[=]）（.*），“\\1\\2\\3”，“var==55”，perl=TRUE），”）
但是Wiktors解决方案可能更好如果对您的用例方便，那么总是有解析选项：
lapply（unlist（lapply）（c（“var2”），function（e）解析（text=e））），sapply，deparse）
@DavidArenburg，当我在sub（）中使用
“var>55”
作为x时，你上面的strplit示例生成
[1]“var”“>5”“5”
。我使用了
（[a-zA-Z0-9+）（[^a-zA-Z0-9+）（[a-zA-Z0-9+）
as regex as operators chars不应该出现在它们的任何一侧。@Tensibai：你的意思是你必须检查这些运算符的两侧是否都有单词chars吗？你可以使用regmatches返回3个捕获组，我认为最好指定它们，使用perl-like For\w也会更好，但我觉得更容易理解比如：
regmatches（tests，regexec）（[a-zA-Z0-9+）（[a-zA-Z0-9+）（[a-zA-Z0-9+）（[a-zA-Z0-9+）”，tests））
其中tests是一个向量，它会给出每个部分在自己的捕获组中的初始值。（这只是一个备选方案）我想我现在明白你为什么这么说了：OP示例输入字符串是由两部分运算符分隔的短字符串。在这种情况下，我将问题推广到查找任何已知的运算符和其他运算符。呵呵，是的，我保持简单：）很好（我想你不介意我使用你简化我的正则表达式）-pThanks，很好而且很短的解决方案-但是，这个方法不适用于带点的变量名，例如
regmatches（“var.name==5”，regexec（“（\\w+）（\\w+）（\\w+），”var.name==5”）
。我尝试了类似于
regmatches（“var.name==5”，regexec（\\w+[.]+）（\\w+（\\w+）（\\w+），“var.name==5”）
，但它会吃掉字符向量的“==”部分。@Daniel更正了，只需使用字符类将
添加到允许的字符中即可chars@Daniel这：
（\\w |[.]+）
表示来自\w一次或至少一次点的任何字符，也许
（\\w |[.]）
+可能工作得更好（为了匹配，捕获可能会非常满），但是回溯可能会有问题
[!=]=|[<>]|(?:(?![=!]=)[^<>])+

> text <- "Text1==text2<text3><More here"
> res <- regmatches(text, gregexpr("==|[<>]|(?:(?!==)[^<>])+", text, perl=TRUE))
> res
[[1]]
[1] "Text1"     "=="        "text2"     "<"         "text3"     ">"        
[7] "<"         "More here"

tests=c("var==5","var<3","var.name>5")
regmatches(tests,regexec("([a-zA-Z0-9_.]+)(\\W+)([a-zA-Z0-9_.]+)",tests))

[[1]]
[1] "var==5" "var"    "=="     "5"     

[[2]]
[1] "var<3" "var"   "<"     "3"    

[[3]]
[1] "var.name>5" "var.name"   ">"          "5"