r - 如果它是 "quoted"，我如何拆分字符串并忽略分隔符

Question

假设我有以下字符串:

params <- "var1 /* first, variable */, var2, var3 /* third, variable */"

我想使用 , 作为分隔符拆分它，然后提取“带引号的子字符串”，所以我得到 2 个向量，如下所示:

params_clean <- c("var1","var2","var3")
params_def   <- c("first, variable","","third, variable") # note the empty string as a second element.

我在广义上使用术语“引用”，这里使用任意字符串，/* 和 */，它们可以保护子字符串不被拆分。

我找到了一个基于 read.table 的解决方法，事实上它允许引用元素:

library(magrittr)
params %>%
  gsub("/\\*","_temp_sep_ '",.) %>%
  gsub("\\*/","'",.) %>%
  read.table(text=.,strin=F,sep=",") %>%
  unlist %>%
  unname %>%
  strsplit("_temp_sep_") %>%
  lapply(trimws) %>%
  lapply(`length<-`,2) %>%
  do.call(rbind,.) %>%
  inset(is.na(.),value="")

但它非常丑陋和骇人听闻，有什么更简单的方法吗？对于这种情况，我认为必须有一个 regex 来提供给 strsplit。

与 this question 有关

Answer 1

你可以使用

library(stringr)
cmnt_rx <- "(\\w+)\\s*(/\\*[^*]*\\*+(?:[^/*][^*]*\\*+)*/)?"
res <- str_match_all(params, cmnt_rx)
params_clean <- res[[1]][,2]
params_clean
## => [1] "var1" "var2" "var3"
params_def <- gsub("^/[*]\\s*|\\s*[*]/$", "", res[[1]][,3])
params_def[is.na(params_def)] <- ""
params_def
## => [1] "first, variable" ""                "third, variable"

主要的正则表达式细节(实际上是 (\w+)\s*)(COMMENTS_REGEX)? ):

• (\w+) - 捕获第 1 组:一个或多个单词字符
• \s* - 0+ 个空白字符
• ( - 捕获第 2 组开始
• /\* - 匹配评论开始/*
• [^*]*\*+ - 匹配除 * 以外的 0+ 个字符后跟 1+ 个文字 *
• (?:[^/*][^*]*\*+)* - 0+序列:
  • [^/*][^*]*\*+ - 不是 /或 * (与 [^/*] 匹配)后跟 0+ 个非星号字符 ([^*]*) 后跟 1+ 个星号 (\*+)
• / - 关闭 /
• )? - 捕获第 2 组结束，重复 1 次或 0 次(这意味着它是可选的)。

参见 regex demo .

"^/[*]\\s*|\\s*[*]/$" gsub 中的图案删除 /*和 */有相邻的空间。

params_def[is.na(params_def)] <- ""部分替换 NA带有空字符串。