在R中，如何使用正则表达式来分割字符串？

Question

假设我的文字格式如下（四个空格是一个标签）：

__spiritual_bouquet_1    _type_of    __sympathy_card_1

我想通过标签将其拆分为：

__spiritual_bouquet_1，_type_of，__sympathy_card_1

我不知道如何使用正则表达式来分割它。

Answer 1

使用此：

strsplit(subject, "\\s", perl=TRUE);

<强>解释

\s匹配空格字符，表示空格，制表符和回车符。我没有使用制表符\t，因为在示例字符串中我只找到了一个常规空格字符。

选项2：摆脱额外的下划线

我注意到你的一些令牌在分隔符附近有双下划线。如果要删除额外的下划线，可以使用此正则表达式：\s(?:_(?=_))?

在R：strsplit(subject, "\\s(?:_(?=_))?", perl=TRUE);

在the demo上，您可以看到我们如何仅匹配加倍的下划线。我们拆分了这个分隔符。

这个如何运作：

• \\s匹配空格字符
• (?:_(?=_))?是一个非捕获组，最后由?设置为可选的，与下划线匹配，但只有在前瞻(?=_)能够声明以下内容时字符是下划线

<强>参考

• Lookahead and Lookbehind Zero-Length Assertions
• Mastering Lookahead and Lookbehind

Answer 2

或

temp <- "__spiritual_bouquet_1    _type_of    __sympathy_card_1"
strsplit(temp, " ")[[1]]

这会给你一些额外的空结果。所以你可以做另外的事情

strsplit(temp, " ")[[1]][strsplit(temp, " ")[[1]] != ""]