Блог

Я пытаюсь стандартизировать некоторые нечетные строковые данные, используя регулярные выражения и str_replace_all . В некоторых случаях я хочу использовать наборы символов (например, [abc] ) или «подстановочные знаки» (например, d ), чтобы найти символ для замены, но я не хочу заменять эти наборы символов или подстановочные знаки.

Ниже data приведен тип данных, которые у меня есть, и clean это то, что я пытаюсь получить:

 data <- c("1ac 2b", "1 a", "1a b", "1a2b", "0")
clean <- c("1ac 2b", "1a", "1ab", "1a 2b", "0")
  

Я пытался создавать команды, такие как следующие:

 attempt1 <- str_replace_all(data, "[abc]\d", "[abc] \d")
attempt2 <- str_replace_all(data, " [abc]", "[abc])
  

В обеих этих попытках я в конечном итоге теряю нужные мне данные.

Кажется, что второй аргумент str_replace_all принимает регулярные выражения, но третий аргумент вычисляется буквально, поэтому в итоге я заменяю символы, которые не хочу заменять.

Есть ли какой-либо способ перенести значение подстановочного знака и наборов символов из части регулярного выражения команды в компонент replace? В качестве альтернативы, есть ли совершенно другой метод решения этой проблемы, который кто-нибудь порекомендовал бы?

В сторону: я новичок в регулярных выражениях, и если кто-нибудь даст мне лучший термин, чем «подстановочные знаки», я соответствующим образом отредактирую свой пост.

Вы должны записать символы, которые хотите сохранить с () , а затем использовать \1 и \2 для каждой группы.

Ваши replace и регулярные выражения должны быть:

 data <- c("1ac 2b", "1 a", "1a b", "1a2b", "0")

attempt1 <- str_replace_all(data, "([abc])(\d)", "\1 \2")
attempt2 <- str_replace_all(attempt1, " ([abc])", "\1")

> attempt2
[1] "1ac 2b" "1a"     "1ab"    "1a 2b"  "0" 
  

Вторая замена принимает attempt1 в качестве входных данных, чтобы применить оба правила замены. Вы могли бы записать оба выражения в одной строке, если хотите.

 str_replace_all(str_replace_all(data, "([abc])(\d)", "\1 \2"), " ([abc])", "\1")
  

Или в базовом использовании R gsub . Стратегия: Удалите все пробелы, затем добавьте пробелы перед цифрами, которые не являются границами слов. Это должно быть более общим.

 gsub("(\B\d)", " \1", gsub("\s", "", x))
# [1] "1ac 2b" "1a"     "1ab"    "1a 2b"  "0" 
  

Или обернутый в функцию.

 mySub <- function (x) {
  x <- gsub("\s", "", x)
  gsub("(\B\d)", " \1", x)
}
mySub(x)
# [1] "1ac 2b" "1a"     "1ab"    "1a 2b"  "0" 
  

Данные

 x <- c("1ac 2b", "1 a", "1a b", "1a2b", "0")