在空格处分割R字符串，但当空格在单引号之间时不分割

Posted 2021-04-10

我必须拆分一组丑陋而复杂的字符串：

vec <- c("'01'", "'01' '02'", 
         "#bateau", "#bateau #batiment",
         "#'autres 32'", "#'autres 32' #'batiment 30'", "#'autres 32' #'batiment 30' #'contenu 31'",
         "#'34'", "#'34' #'33' #'35'")
vec
[1] "'01'"                                      "'01' '02'"                                
[3] "#bateau"                                   "#bateau #batiment"                        
[5] "#'autres 32'"                              "#'autres 32' #'batiment 30'"              
[7] "#'autres 32' #'batiment 30' #'contenu 31'" "#'34'"                                    
[9] "#'34' #'33' #'35'" 

我需要在有空格（）的所有地方分割字符串，除非空格在'之间。因此，在上面的示例中，'01' '02'将变为'01'和'02'，而#'autres 32' #'batiment 30'将变为#'autres 32'和#'batiment 30'。

我曾尝试从this question中获得启发，但没有走得太远：

strsplit(vec, "(\s[^']+?)('.*?'|$)")

因为此解决方案拆分了一些不应有的空间，也使我失去了一些信息。

分割后的结果应该类似于：

res <- c("'01'", "'01'", "'02'", 
         "#bateau", "#bateau", "#batiment",
         "#'autres 32'", "#'autres 32'", "#'batiment 30'", "#'autres 32'", "#'batiment 30'", "#'contenu 31'",
         "#'34'", "#'34'", "#'33'", "#'35'")

分割此字符串的正确正则表达式是什么？

谢谢

答案

您可以使用

strsplit(vec, "'[^']*'(*SKIP)(*F)|\s+", perl=TRUE)

请参见R demo和regex demo在线。

详细信息

• '[^']*'(*SKIP)(*F)-'，然后是除'（请参阅[^']*）之外的任何0+字符，然后是'，然后将该匹配的文本丢弃，并从以下位置搜索下一个匹配项当前匹配失败（请参见(*SKIP)(*F)）
• (*SKIP)(*F)-或
• |-1+个空格字符。

由于是PCRE模式，因此s+是必需的。