regex - 除撇号外的所有空格和标点符号上的 strsplit

Question

这个问题在这里已经有了答案:





Regex; eliminate all punctuation except

(2 个回答)


7年前关闭。




我问过相关问题 HERE和 HERE .我试图概括这些答案，但失败了。

基本上我有一个字符串，我想分成单词、数字和任何类型的标点符号，但是，我想保留撇号。这是我尝试过的并且非常接近(我认为):

x <- "Raptors don't like robots! I'd pay $500.00 to rid them."

strsplit(x, "(\\s+)|(?=[[:punct:]])", perl = TRUE)

## [[1]]
##  [1] "Raptors" "don"     "'"       "t"       "like"    "robots"  "!"             
##  [8] ""   "I"   "'"    "d"  "pay"     "$"       "500"     "."       "00"      "to"         
## [20] "rid"   "them"    "."  

这是我所追求的:

## [[1]]
##  [1] "Raptors" "don't"       "like"    "robots"  "!"       ""        "I'd"      
##  [8] "pay"     "$"       "500"   "."   "00"  "to"      "rid"     "them"    "."  

虽然我想要一个基本的解决方案，但我希望看到其他解决方案(我确定有人有一个 stringr 解决方案)，这使得这个问题更容易推广到其他人。

注: R 有一个特定的正则表达式系统。您需要熟悉 R 才能回答这个问题。

Answer 1

您可以使用负前瞻 (?!') :

strsplit(x, "(\\s+)|(?!')(?=[[:punct:]])", perl = TRUE)
#  [1] "Raptors" "don't"   "like"    "robots"  "!"       ""        "I'd"     "pay"     "$"       "500"     "."       "00"      "to"      "rid"     "them"    "."