用于替换列表分隔符和字符串结尾的可变长度负向后搜索

Posted 2023-02-28

我希望在缺少值的字符串（包括最后一个）中丢失索引的值之后插入索引。

s <- "Dee, DP(Dee, D. P.)[1];Uppala, SM(Uppala, S. M.);Simmons, AJ(Simmons, A. J.);Kobayashi, S(Kobayashi, S.)[2];Andrae, U(Andrae, U.)"
gsub("(?<!\\[\\d\\])(;|$)", "\\[0\\]\\2", s, perl=TRUE)

此代码使我缺少分号：

"Dee, DP(Dee, D. P.)[1];Uppala, SM(Uppala, S. M.)[0]Simmons, AJ(Simmons, A. J.)[0]Kobayashi, S(Kobayashi, S.)[2];Andrae, U(Andrae, U.)[0]"

代码类似地处理最后一个值已经具有索引的情况：

s <- "Dee, DP(Dee, D. P.)[1];Uppala, SM(Uppala, S. M.);Simmons, AJ(Simmons, A. J.);Kobayashi, S(Kobayashi, S.)[2];Andrae, U(Andrae, U.)[3]"

这次，给予（分号仍然丢失）：

"Dee, DP(Dee, D. P.)[1];Uppala, SM(Uppala, S. M.)[0]Simmons, AJ(Simmons, A. J.)[0]Kobayashi, S(Kobayashi, S.)[2];Andrae, U(Andrae, U.)[3]"

我需要返回缺少的分号，例如在第一种情况下：

"Dee, DP(Dee, D. P.)[1];Uppala, SM(Uppala, S. M.)[0];Simmons, AJ(Simmons, A. J.)[0];Kobayashi, S(Kobayashi, S.)[2];Andrae, U(Andrae, U.)[0]"

此外，我还希望代码也处理超过一个数字的索引，即10、100等（可变长度），例如：

s <- "Dee, DP(Dee, D. P.)[10];Uppala, SM(Uppala, S. M.);Simmons, AJ(Simmons, A. J.);Kobayashi, S(Kobayashi, S.)[2];Andrae, U(Andrae, U.)"

或

s <- "Dee, DP(Dee, D. P.)[10];Uppala, SM(Uppala, S. M.);Simmons, AJ(Simmons, A. J.);Kobayashi, S(Kobayashi, S.)[2];Andrae, U(Andrae, U.)[3]"

答案

在您的替换模式中，\2表示不存在的＃2组。 (?<!...)是一个否定的回溯方式，与捕获组不同，它不强制正则表达式引擎为其匹配值分配任何特殊的内存缓冲区。

您必须使用\1，而不是\2。

现在，要解决后面的可变宽度模式，您可以使用带有SKIP-FAIL动词的PCRE模式：

gsub("\\[\\d+](?:;|$)(*SKIP)(*F)|(;|$)", "[0]\\1", s, perl=TRUE)

请参见regex demo和R demo online

图案详细信息

• \[\d+](?:;|$)(*SKIP)(*F)-[，1个以上的数字，]，然后是;或字符串末尾； (*SKIP)(*F)从总的匹配内存缓冲区中删除此匹配的文本，然后从失败的位置继续搜索正则表达式模式
• |-或
• [(;|$)-组1（替换模式中的\1）：;或字符串的结尾。