r - 在 R 中的数学比较符号处拆分字符向量

Question

我想用数学比较来分割表达式，例如

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

结果是:

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

对于上面的第二个例子，我想得到 [1] "var" "==" "5" ，所以两个 =应该作为单个元素返回。我需要如何更改我的正则表达式来实现这一点？ (我已经尝试过“==”的分组和量词，但没有任何效果 - 正则表达式不是我的 friend ......)

Answer 1

您可以使用 PCRE 正则表达式来匹配您需要的子字符串:

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

也支持 != ，修改为

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

见 regex demo .

详情 :

== - 2 =标志

| - 或

[<>] - 一个 <或 >

| - 或

(?:(?!==)[^<>])+ - 除 < 之外的 1 个或多个字符和 > ( [^<>] ) 不启动 == char 序列(一种缓和的贪婪 token )。

注意 :这很容易通过添加更多的替代品和调整缓和的贪婪 token 来扩展。

R test :

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