使用R中的正则表达式将字符串拆分为多个部分

Question

我需要将一个字符串拆分为三个部分（itemName，delimiter，itemNum）。作为在R中学习正则表达式/字符串函数的第一次尝试，我使用“regex-magic”来生成模式

grepl("\\A[[:<:]][A-Za-z]+[._~-]*(?:[0-9]+)+[[:>:]]\\z", "bob.~-1234", perl=TRUE);

我想我理解，这三种模式：[A-Za-z]+，[._~-]*和[0-9]+是指。我对\\A[[:<:]]和+[[:>:]]\\z一无所知。我也不明白如何指定可选的分隔符。

此外，我需要使用哪个函数返回包含三个部分的向量："bob"，".~-"，"1234"？

Answer 1

\A是一个锚，它断言字符串中的当前位置是字符串的开头。 \z锚点断言字符串中的当前位置是字符串的非常结尾。 POSIX word boundaries定义为[[:<:]]和[[:>:]]。第一个是单词起始边界，第二个是单词结束边界。你可以把它们留在这里。

您可以使用gsubfn包中的strapply来匹配整个模式。

strapply('bob.~-1234', '\\A([a-zA-Z]+)([._~-]*)(\\d+)\\z', c, perl=T)[[1]]
# [1] "bob"  ".~-"  "1234"

Answer 2

POSIX标准将[[:<:]]定义为词头边界，将[[:>:]]定义为词尾边界。

您可以尝试以下strsplit功能来获得所需的输出。

> strsplit("bob.~-1234", "(?<=[._~-])(?=[0-9])|(?<=[A-Za-z])(?=[._~-])",perl=T)
[[1]]
[1] "bob"  ".~-"  "1234"

OR

> strsplit("bob.~-1234", "(?<=\\w)(?=\\W)|(?<=\\W)(?=\\w)",perl=T)
[[1]]
[1] "bob"  ".~-"  "1234"