处理正则表达式中的方括号

Posted 2023-02-14

【中文标题】处理正则表达式中的方括号

【英文标题】：Dealing with square brackets in regex

【发布时间】：2022-01-22 07:19:27

【问题描述】：

我有一些数据，如下所示：

df <-
  data.frame(
    'col' = c(
      'some words [remove this] more words',
      'some other words [I want this gone] this is fine',
      '[nope.  get rid of it] but keep this',
      'all of this is fine',
      '[but] this [should] go [away]')
    )

                                               col
1              some words [remove this] more words
2 some other words [I want this gone] this is fine
3              [nope  get rid of it] but keep this
4                              all of this is fine
5                    [but] this [should] go [away]

我想删除所有方括号以及它们之间的所有内容。

goal_df <- df <-
  data.frame(
    'col' = c(
      'some words more words',
      'some other words this is fine',
      'but keep this',
      'all of this is fine',
      'this go')
  )

                            col
1         some words more words
2 some other words this is fine
3                 but keep this
4           all of this is fine
5                       this go

我认为使用正则表达式（这是我最差的编程技能）会是解决方案，但我似乎无法让它发挥作用。我正在使用df$col <- gsub( "[.*?]", "", df$col)，但这并没有做任何改变。

【参考方案1】：

我们可能会匹配[，后跟一个或多个不是] 的字符，然后是] 和任何空格作为模式，并在gsub 中替换为空格（""）。 [] 是元字符，因此请转义 (\\)

df$col <- trimws(gsub("\\[[^]]+\\]\\s?", "", df$col))

-输出

> df
                            col
1         some words more words
2 some other words this is fine
3                 but keep this
4           all of this is fine
5                       this go

【讨论】：

谢谢！你能解释一下s是什么吗？到底呢？我的正则表达式很糟糕，所以如果这是一个愚蠢的问题，我很抱歉。

@pkpto39 如果我使用\\s，它将与最后一个不匹配，因为在] 之后没有空格。您可以使用\\s*。 - 零个或多个空格或进行零个或多个匹配的?

trimws 是个好主意，如果我是你，我会充分利用它（M$ 繁体），在模式的每一侧添加所有最终的空格，以“规范化”它们在单个空间中：trimws(gsub("\\s*\\[[^]]+\\]\\s*", " ", df$col))

【参考方案2】：

一个更容易解析的解决方案是使用* 由? 制作的非贪婪的量词：

gsub("\\s?\\[.*?\\]+", "", df$col)
[1] "some words more words"         "some other words this is fine" " but keep this"               
[4] "all of this is fine"           " this go"

要删除前导或尾随空格，请使用trimws