r - 除括号内的内容外，按空格拆分字符串

Question

我有以下字符串:

x <- "(((K05708+K05709+K05710+K00529) K05711),K05712) K05713 K05714 K02554"
# [1] "(((K05708+K05709+K05710+K00529) K05711),K05712) K05713 K05714 K02554"

我想用空格分隔符将其拆分，避免括号内的内容，以便得到类似的东西:

[[1]]
[1] "(((K05708+K05709+K05710 K00529) K05711),K05712)"                
[2] "K05713"                          "K05714"                         
[4] "K02554"

请注意第一个括号内还有两个空格。

我阅读了以下答案，但我无法让它在我的案例中发挥作用: r split on delimiter not in parentheses和 Using strsplit() in R, ignoring anything in parentheses

提前致谢!

Answer 1

我认为您需要一个匹配平衡括号然后跳过它们的正则表达式，然后将保留的空格与以下基于 PCRE 的正则表达式匹配:

(\((?:[^()]++|(?1))*\))(*SKIP)(*F)|\s

参见 regex demo (用上面的 \s 替换空格以获得更好的可见性)。

图案细节:

• (\((?:[^()]++|(?1))*\))(*SKIP)(*F) - 第 1 组匹配
  • \((?:[^()]++|(?1))*\) - 表示平衡括号子字符串的子字符串:\( 匹配(, (?:[^()]++|(?1))* 匹配零个或多个 (*) 序列( 和 ) 以外的 1+ 个字符(参见 [^()]++)或整个第 1 组的整个模式(参见子路由调用 (?1))，然后 \) 匹配文字 ) 和 (*SKIP)(*F) 使正则表达式丢弃整个匹配文本，同时将正则表达式索引保留在该匹配项的末尾，并继续寻找下一个匹配项
• | - 或者
• - 分割空间

这是一个 online R demo :

s <- "(((K05708+K05709+K05710+K00529) K05711),K05712) K05713 K05714 K02554"
strsplit(s, "(\\((?:[^()]++|(?1))*\\))(*SKIP)(*F)| ", perl=TRUE)

输出:

[[1]]
[1] "(((K05708+K05709+K05710+K00529) K05711),K05712)"
[2] "K05713"                                         
[3] "K05714"                                         
[4] "K02554"