Question

这是非常基本的，但我似乎无法找到如何在R中的正则表达式中返回已经匹配的表达式。

例如，假设我想在初始后添加句点，例如将"Joe J Smith"更改为"Joe J. Smith"。

我的方法是使用gsub("(?<=\\s|^)[A-Z](?=\\S|$)","\\1.",string,perl=T)。（我不是正则表达式的专家，但我认为\\1或$1会返回匹配的表达式，即"J"给出的字符串。

但是，没有，因为这会返回："Joe . Smith"

我确信这很简单，但我找不到任何试图在R中做类似事情的例子，它有自己的基础正则表达式。

Answer 1

在这种情况下，您可以使用"\\b"来引用字词边界：

> gsub("\\b([A-Z])\\b", "\\1.", "Joe J Smith")
[1] "Joe J. Smith"

关于连字符后的字母大写：

> gsub("(-.)", "\\U\\1", "Joe Jones-smith", perl = TRUE)
[1] "Joe Jones-Smith"

Answer 2

像akrun所说，你需要将大写字母括起来组成一个小组。这就是The backreference '\N', where 'N = 1 ... 9', matches the substring previously matched by the Nth parenthesized subexpression of the regular expression. (This is an extension for extended regular expressions: POSIX defines them only for basic ones.)所说的：

R>x
[1] "joe J smith"
R>gsub("(?<=\\s|^)([A-Z])(?=\\s|$)","\\1.",x,perl=TRUE)
[1] "joe J. smith"

添加parens给出了这个例子：

{{1}}

如何在R gsub中返回匹配的正则表达式

2 个答案: