R带填充的条件替换/修剪（正则表达式、gsub、gregexpr、正则匹配）

我有一个关于条件替换的问题

我基本上想找到每一个数字串，对于4之后的每一个连续数字，用空格替换它

我需要的解决方案是矢量化和速度是必不可少的

以下是一个有效（但效率低下）的解决方案：

---

data这里有一个快速方法，只需一个
gsub
命令：

gsub("(?<!\\d)(\\d{4})\\d*", "\\1", data$input, perl = TRUE)
# [1] "STRING WITH 2 FIX(ES): 1234    0987  1111   "        
# [2] " PADDED STRING WITH 3 FIX(ES): 1234    0987  1111   "
# [3] " STRING WITH 0 FIX(ES): 12        098     111   "    
# [4] NA                                                    
# [5] "1234"                                                
# [6] "   1234   6789    "  

这里有一种使用
gregexpr
和
regmatches

#find all numbers with more than 4 digits
m <- gregexpr("\\d{5,}", data$input)

#replace numbers afther the 4th with spaces for those matches
zz<-lapply(regmatches(data$input, m), function(x) {
        mapply(function(x, n) formatC(substr(x,1,4), width=-n), x, nchar(x))
})

#combine with original values
data$output2 <- unlist(Map(function(a,b) paste0(a,c(b,""), collapse=""), 
    regmatches(data$input, m, invert=T), zz))

#查找所有超过4位的数字
m您可以在一行（一个空格代表一个数字）中使用以下命令执行相同操作：

详情：

(?:        # non-capturing group: the two possible entry points
    \G     # either the position after the last match or the start of the string
    (?!\A) # exclude the start of the string position
  |        # OR
    \d{4}  # four digits
)          # close the non-capturing group
\K         # removes all on the left from the match result
\d         # a single digit

因此，您实际上是在缩短字符串，而不是用空格替换多余的数字。我认为这与OP的要求不同。斯文，谢谢你的帮助，但你的回答与我的回答不一样。我看到了一些差异：第1行1234和0987之间应该有6个空格，第4行没有尾随空格。我不想只删除4后面的字符，我想用空格替换它们，这样替换后的字符串长度应该相同。@Brad请参阅更新。我没有测试这个方法是否比你的快。谢谢斯文。你的电影很有意义。我喜欢这种方法。Flick，当我做动态截断时，我得到了一个错误：好吧，不要这样做。事实上，我不知道你说的是什么意思。您到底更改了什么？错误是什么？您使用的
mapply
不正确。不能只添加
cutoff=cutoff
，因为它只有一个长度，而
mapply
希望所有参数都具有相同的长度。您必须使用
MoreArgs=
参数添加它。例如
MoreArgs=list（cutoff=cutoff）
。有关更多信息，请参见
？mapply
。再次感谢！真的很感激@斯文霍恩斯坦：禁止
\G
匹配字符串的开头。因为第一个匹配的入口点必须是第二个备选方案（即
\d{4}
），如果我允许
\G
匹配字符串的开头，并且如果字符串开头有一个数字，则该数字将被删除。
matches <- gregexpr("(?<=\\d{4})\\d+", data$input, perl = TRUE)
mapply(function(m, d) {
  if (!is.na(m) && m != -1L) {
    for (i in seq_along(m)) {
      substr(d, m[i], m[i] + attr(m, "match.length") - 1L) <- paste(rep(" ", attr(m, "match.length")[i]), collapse = "")
    }
  }
  return(d)
}, matches, data$input)

# [1] "STRING WITH 2 FIX(ES): 1234      0987    1111   "          
# [2] " PADDED STRING WITH 3 FIX(ES): 1234      0987    1111     "
# [3] " STRING WITH 0 FIX(ES): 12        098     111   "          
# [4] NA                                                          
# [5] "1234      "                                                
# [6] "   1234    6789     "  

#find all numbers with more than 4 digits
m <- gregexpr("\\d{5,}", data$input)

#replace numbers afther the 4th with spaces for those matches
zz<-lapply(regmatches(data$input, m), function(x) {
        mapply(function(x, n) formatC(substr(x,1,4), width=-n), x, nchar(x))
})

#combine with original values
data$output2 <- unlist(Map(function(a,b) paste0(a,c(b,""), collapse=""), 
    regmatches(data$input, m, invert=T), zz))

gsub("(?:\\G(?!\\A)|\\d{4})\\K\\d", " ", data$input, perl = TRUE)

(?:        # non-capturing group: the two possible entry points
    \G     # either the position after the last match or the start of the string
    (?!\A) # exclude the start of the string position
  |        # OR
    \d{4}  # four digits
)          # close the non-capturing group
\K         # removes all on the left from the match result
\d         # a single digit