regex - R - 按 "\n"或三个空格分割，当有三个空格时至少保留一个空格

Question

我希望我能解释清楚，这样对你来说很容易。我需要这个，因为字符串中的缺失信息被标记为三个空格，并且令人惊讶的是不会执行 \n为下一条信息。

想象一下我有一个像这样的字符串:

string <- "abc
   def
ghi   jkl"

我希望正则表达式的输出(可能带有更高级的函数 strsplit())是:

[[1]]
[1] "abc" "" "def" "ghi" "" "jkl"

当它找到 \n 时就会 split 并在找到三个空格时拆分并插入一个空格。我需要将丢失的信息标记为另一个值。如果不是，那会破坏我的脚本，认为下一个信息是，例如，与 def 连接的三个空格字符串。

谢谢

Answer 1

这是两个都使用 strsplit 的解决方案但它们的拆分方式不同:

1) 在换行符上拆分 删除所有给 s1 的换行符然后在每三个字符后添加一个换行符，给出 s2 .在换行符上拆分 s2 并用空字符串替换每次出现的三个连续空格。

Split <- function(string) {
  s1 <- gsub("\n", "", string)
  s2 <- gsub("(.{3})", "\\1\n", s1)
  spl <- strsplit(s2, "\n")
  lapply(spl, function(s) replace(s, s == "   ", ""))
}

# test
string <- "abc\n   def\nghi   jkl"
Split(string)
## [[1]]
## [1] "abc" ""    "def" "ghi" ""    "jkl"

2) 在零宽度 3 个字符正则表达式上拆分 删除换行符并使用指定的正则表达式拆分。最后用空字符串替换每个连续的三个空格。

Split2 <- function(string) {
  s1 <- gsub("\n", "", string)
  spl <- strsplit(s1, "(?<=...)", perl = TRUE)
  lapply(spl, function(s) replace(s, s == "   ", ""))
}

# test
string <- "abc\n   def\nghi   jkl"
Split2(string)
## [[1]]
## [1] "abc" ""    "def" "ghi" ""    "jkl"

注:1 .请注意，针对此问题提供的其他答案不适用于以下输入字符串(连续有两个空字段)，但此处的答案确实可以正确识别 abc 之后连续的两个空的 3 个字符字段。 field :

string2 <- "abc\n      def\nghi   jkl" # 6 spaces before d, 3 spaces before j

Split(string2)
## [[1]]
## [1] "abc" ""    ""    "def" "ghi" ""    "jkl"

Split2(string2)
## [[1]]
## [1] "abc" ""    ""    "def" "ghi" ""    "jkl"

注 2:上面的两个解决方案也可以使用 magrittr 管道很好地表达:

library(magrittr)
string %>% 
  gsub(pattern = "\n", replacement = "") %>%
  gsub(pattern = "(.{3})", replacement = "\\1\n") %>%
  strsplit("\n") %>%
  lapply(function(s) replace(s, s == "   ", ""))

## [[1]]
## [1] "abc" ""    "def" "ghi" ""    "jkl"


library(magrittr)
string %>% 
  gsub(pattern = "\n", replacement = "") %>%
  strsplit("(?<=...)", perl = TRUE) %>%
  lapply(function(s) replace(s, s == "   ", ""))

## [[1]]
## [1] "abc" ""    "def" "ghi" ""    "jkl"