r - 在模式发生后拆分字符串

Question

我有以下字符串向量。它包含两个元素。每个元素都由两个折叠的短语组成。

strings <- c("This is a phrase with a NameThis is another phrase",
         "This is a phrase with the number 2019This is another phrase")

我想为向量中的每个元素拆分这些短语。我一直在尝试类似的东西:

library(stringr)

str_split(strings, "\\B(?=[a-z|0-9][A-Z])")

这几乎给了我我正在寻找的东西:

[[1]]
[1] "This is a phrase with a Nam" "eThis is another phrase"

[[2]]
[1] "This is a phrase with the number 201" "9This is another phrase"

我想在模式之后进行拆分，但无法弄清楚如何做到这一点。

我想我已经接近解决方案了，希望得到任何帮助。

Answer 1

您需要匹配大写字母之前的位置，而不是初始短语最后一个字母之前的位置(您需要的位置前一个字符)。您可能只是将非单词边界与大写字母的前瞻匹配:

str_split(strings, "\\B(?=[A-Z])")

如果短语可以包含前导大写字母，但小写字母开始后不包含任何大写字母，您也可以使用lookbehind将它们拆分为数字或小写字母。这次不需要非字边界:

strings <- c("SHOCKING NEWS: someone did somethingThis is another phrase",
         "This is a phrase with the number 2019This is another phrase")
str_split(strings, "(?<=[a-z0-9])(?=[A-Z])")