在 R 中拆分 CamelCase

Posted 2023-04-13

【中文标题】在 R 中拆分 CamelCase

【英文标题】：Splitting CamelCase in R

【发布时间】：2012-01-14 11:19:35

【问题描述】：

有没有办法在 R 中拆分驼峰式字符串？

我已经尝试过：

string.to.split = "thisIsSomeCamelCase"
unlist(strsplit(string.to.split, split="[A-Z]") )
# [1] "this" "s"    "ome"  "amel" "ase" 

【参考方案1】：

string.to.split = "thisIsSomeCamelCase"
gsub("([A-Z])", " \\1", string.to.split)
# [1] "this Is Some Camel Case"

strsplit(gsub("([A-Z])", " \\1", string.to.split), " ")
# [[1]]
# [1] "this"  "Is"    "Some"  "Camel" "Case" 

看看 Ramnath 和我的问题，我可以说我最初的印象是，这是一个未充分说明的问题。

并为 Tommy 和 Ramanth 点赞[:upper:]

strsplit(gsub("([[:upper:]])", " \\1", string.to.split), " ")
# [[1]]
# [1] "this"  "Is"    "Some"  "Camel" "Case" 

【讨论】：

那么，如果字符串类似于“AB DevelopmentsAndy”，我可能想将其重新创建为“AB Developments Andy”。也就是说，我不想分割连续的大写字符。只是小写然后大写彼此相邻的那些。

您应该阅读?regex 并找到小写字符的正确模式，并为任意数量的小写字符使用正确的符号。

【参考方案2】：

这是一种方法

split_camelcase <- function(...)
  strings <- unlist(list(...))
  strings <- gsub("^[^[:alnum:]]+|[^[:alnum:]]+$", "", strings)
  strings <- gsub("(?!^)(?=[[:upper:]])", " ", strings, perl = TRUE)
  return(strsplit(tolower(strings), " ")[[1]])


split_camelcase("thisIsSomeGood")
# [1] "this" "is"   "some" "good"

【讨论】：

+1 因为这适用于国际大写字母（不仅仅是 A-Z） - 例如，"enÖIHavet"

【参考方案3】：

这是一种使用单个正则表达式（前瞻和后瞻）的方法：

strsplit(string.to.split, "(?<=[a-z])(?=[A-Z])", perl = TRUE)

## [[1]]
## [1] "this"  "Is"    "Some"  "Camel" "Case" 

【讨论】：

很好，而且，因为它不会在连续的大写之间分割，所以是首选。更好的是：strsplit(string.to.split, "(?<=[[:lower:]])(?=[[:upper:]])", perl = TRUE)

【参考方案4】：

这是一个使用gsubfn 包的strapply 的单行代码。正则表达式匹配字符串的开头 (^) 后跟一个或多个小写字母 ([[:lower:]]+) 或 (|) 一个大写字母 ([[:upper:]]) 后跟零个或多个小写字母([[:lower:]]*) 并使用c 处理匹配的字符串（它将单个匹配项连接成一个向量）。与strsplit 一样，它返回一个列表，因此我们采用第一个组件（[[1]]）：

library(gsubfn)
strapply(string.to.split, "^[[:lower:]]+|[[:upper:]][[:lower:]]*", c)[[1]]
## [1] "this"  "Is"    "Camel" "Case" 

【参考方案5】：

我认为我的其他答案比下面的要好，但如果只需要一个单线来拆分......我们开始吧：

library(snakecase)
unlist(strsplit(to_parsed_case(string.to.split), "_"))
#> [1] "this"  "Is"    "Some"  "Camel" "Case" 

【参考方案6】：

答案的开头是拆分所有字符：

sp.x <- strsplit(string.to.split, "")

然后找出哪些字符串位置是大写的：

ind.x <- lapply(sp.x, function(x) which(!tolower(x) == x))

然后使用它来拆分每个字符运行。 . .

【参考方案7】：

这是一个简单的解决方案，通过蛇盒 + 一些 tidyverse 助手：

install.packages("snakecase")
library(snakecase)
library(magrittr)
library(stringr)
library(purrr)

string.to.split = "thisIsSomeCamelCase"
to_parsed_case(string.to.split) %>% 
  str_split(pattern = "_") %>% 
  purrr::flatten_chr()
#> [1] "this"  "Is"    "Some"  "Camel" "Case" 

蛇盒的 Github 链接：https://github.com/Tazinho/snakecase

【讨论】：

我没有投反对票，但我猜是因为这个答案要复杂得多，并且相对于其他 1 到 2 行答案而言，需要模糊的软件包。

我仍然喜欢这个答案，因为它非常干净并且可以格式化输出。所以我把它留在这里，只是在上面提供了一个oneliner......