将正则表达式应用于 R 中的字符串

Posted 2023-02-14

【中文标题】将正则表达式应用于 R 中的字符串

【英文标题】：Applying a regular expression to a string in R

【发布时间】：2022-01-06 08:35:57

【问题描述】：

我刚刚开始了解 R 语言，之前使用过 python。挑战是用 * 替换字符串中每个单词的最后一个字符。

它应该是什么样子：example text in string，结果工作：exampl* tex* i* strin*

我的代码：

library(tidyverse)
library(stringr)   

string_example = readline("Enter our text:")
string_example = unlist(strsplit(string_example, ' '))
string_example

result = str_replace(string_example, pattern = "*\b", replacement = "*")
result

我收到一个错误：

> result = str_replace(string_example, pattern = "*\b", replacement = "*")
Error in stri_replace_first_regex(string, pattern, fix_replacement(replacement),  : 
  Syntax error in regex pattern. (U_REGEX_RULE_SYNTAX, context=``)

帮助解决任务

哦，我注意到一个错误，模式应该是.\b。代码是这样执行的，但是字符串中没有替换

【问题讨论】：

str_replace_all("example text in string",". ","* ") %>% str_replace(".$","*")

【参考方案1】：

如果您的意思是仅由字母组成的单词，则可以使用

string_example <- "example text in string"
library(stringr)
str_replace_all(string_example, "\\pL\\b", "*")
## => [1] "exampl* tex* i* strin*"

请参阅R demo 和regex demo。

详情：

\pL - 匹配任何 Unicode 字母的 Unicode 类别（属性）类 \b - 单词边界，在这种情况下，它确保右侧没有其他单词字符。如果与\pL 匹配的字母后面紧跟一个字母、数字或_（这些都是单词字符），则匹配失败。如果您想将此限制为信件检查，请将 \b 替换为 (?!\pL)。

注意反斜杠是双倍的，因为在常规字符串文字中，反斜杠用于形成字符串转义序列，因此需要转义自身以在字符串文字中引入文字反斜杠。

需要考虑的其他事项

如果你不想改变一个字母的单词，在开头添加一个非单词边界，"\\B\\pL\\b" 如果您想避免匹配后跟 - 的字母 + 另一个字母（即一些复合词），您可以添加前瞻检查："\\pL\\b(?!-)"。

您可以根据需要组合外观和（非）单词边界。

【讨论】：

哇，多么及时，谢谢，虽然我不是很清楚，但也许我会随着时间的推移习惯它