r - 在空格处拆分 R 字符串，但在空格位于单引号之间时不拆分

Question

我有一组丑陋而复杂的字符串，我必须拆分它们:

vec <- c("'01'", "'01' '02'", 
         "#bateau", "#bateau #batiment",
         "#'autres 32'", "#'autres 32' #'batiment 30'", "#'autres 32' #'batiment 30' #'contenu 31'",
         "#'34'", "#'34' #'33' #'35'")
vec
[1] "'01'"                                      "'01' '02'"                                
[3] "#bateau"                                   "#bateau #batiment"                        
[5] "#'autres 32'"                              "#'autres 32' #'batiment 30'"              
[7] "#'autres 32' #'batiment 30' #'contenu 31'" "#'34'"                                    
[9] "#'34' #'33' #'35'" 

我需要在有空格 () 的地方拆分字符串，除非空格位于 ' 之间。因此在上面的示例中，'01' '02' 将变为 '01' 和 '02' 而 #'autres 32 '#'batiment 30' 将变为 #'autres 32' 和 #'batiment 30'。

我尝试从 this question 中获得灵感, 但没走多远:

strsplit(vec, "(\\s[^']+?)('.*?'|$)")

因为这个解决方案分割了一些不应该的空间，也让我失去了一些信息。

拆分的结果应该是这样的:

res <- c("'01'", "'01'", "'02'", 
         "#bateau", "#bateau", "#batiment",
         "#'autres 32'", "#'autres 32'", "#'batiment 30'", "#'autres 32'", "#'batiment 30'", "#'contenu 31'",
         "#'34'", "#'34'", "#'33'", "#'35'")

分割这个字符串的正确正则表达式是什么？

谢谢

Answer 1

你可以使用

strsplit(vec, "'[^']*'(*SKIP)(*F)|\\s+", perl=TRUE)

参见 R demo和 regex demo在线。

详情

• '[^']*'(*SKIP)(*F) - '，然后是除 ' 之外的任何 0+ 个字符(see [^']*) 然后是 '，然后丢弃这个匹配的文本，从当前匹配失败的位置开始搜索下一个匹配 (参见 (*SKIP)(*F) )
• | - 或者
• \s+ - 1+ 个空白字符。

因为它是一个 PCRE 模式，所以 perl=TRUE 是必须的。