regex - 根据子字符串出现在字符串中的位置识别字符串

Question

想象一下我有一组字符串，比如:

#1: "A-B-B-C-C"
#2: "A-A-A-A-A-A-A"
#3: "B-B-B-C-A-A"

现在我想检查某些模式是否出现在序列的第一个、中间或最后三分之一。因此，我希望能够制定这样的规则:

Match the string if, and only if, 
marker X occurs in the first/middle/last third of the string

例如，我可能想要匹配具有 A 的字符串。在前三分之一。考虑到上面的序列，我会匹配 #1和 #2 .我还可以匹配具有 A 的字符串在最后三分之一。这将匹配 #2和 #3 .

我如何编写一个通用代码/正则表达式模式，可以将这种类型的各种规则作为输入，然后匹配适当的子序列？

Answer 1

这是一个完全矢量化的尝试(您可以尝试设置并告诉我是否要添加/更改某些内容)

StriDetect <- function(x, seg = 1L, pat = "A", frac = 3L, fixed = TRUE, values = FALSE){
  xsub <- gsub("-", "", x, fixed = TRUE)
  sizes <- nchar(xsub) / frac
  subs <- substr(xsub, sizes * (seg - 1L) + 1L, sizes * seg)
  if(isTRUE(values)) x[grep(pat, subs, fixed = fixed)] else grep(pat, subs, fixed = fixed)
}

测试您的载体

x <- c("A-B-B-C-C", "A-A-A-A-A-A-A", "B-B-B-C-A-A")
StriDetect(x, 1L, "A")
## [1] 1 2
StriDetect(x, 3L, "A")
## [1] 2 3

或者，如果您想要实际匹配的字符串

StriDetect(x, 1L, "A", values = TRUE)
## [1] "A-B-B-C-C"     "A-A-A-A-A-A-A"
StriDetect(x, 3L, "A", values = TRUE)
## [1] "A-A-A-A-A-A-A" "B-B-B-C-A-A"  

请注意，当字符串大小没有被 3 整除时(例如， nchar(x) == 10 )，默认情况下最后三分之一是最大的组(例如，如果 nchar(x) == 10 ，则大小为 4)