如何用R＆＃39;正则表达式替换方括号和大括号？

Question

由于pandoc-citeproc和乳胶之间的转换，我想替换这个

\cite{Fotheringham1981}

用这个

x <- c("[@Fotheringham1981]", "df[1,2]") x1 <- gsub("\\[@", "\\\\cite{", x) x2 <- gsub("\\]", "\\}", x1) x2[1] # good ## [1] "\\cite{Fotheringham1981}" x2[2] # bad ## [1] "df[1,2}"

以下可重复的示例说明了单独处理每个支架的问题。

old_rmd <- "$p = \alpha e^{\beta d}$ [@Wilson1971] and $p = \alpha d^{\beta}$
[@Fotheringham1981]."
new_rmd1 <- gsub("\\[@([^\\]]*)\\]", "\\\\cite{\\1}", old_rmd, perl = T) 
new_rmd2 <- gsub("\\[@([^]]*)]", "\\\\cite{\\1}", old_rmd) 

new_rmd1
## "$p = \alpha e^{\beta d}$ \\cite{Wilson1971} and $p = \alpha d^{\beta}$\n    \\cite{Fotheringham1981}."

new_rmd2
## [1] "$p = \alpha e^{\beta d}$ \\cite{Wilson1971} and $p = \alpha d^{\beta}$\n\\cite{Fotheringham1981}."

针对C＃看到类似的问题solved，但没有使用R＆＃39的perre正则表达式 - 任何想法？

编辑：

它应该能够处理长文档，例如

if

Answer 1

您可以使用

gsub("\\[@([^]]*)]", "\\\\cite{\\1}", x)

请参阅IDEONE demo

正则表达式细分：

• \\[@ - 文字[@符号序列
• ([^]]*) - 一个匹配0个或多个符号但只有]的捕获组1（请注意，如果]出现在字符类的开头，则不会需要逃避）
• ] - 文字]符号

您不需要使用perl=T，因为字符类中的]不会被转义。否则，它将需要使用该选项。

另外，我相信我们应该逃避必须逃脱的事情。如果有办法避免backslash hell，我们应该。因此，您甚至可以使用

gsub("[[]@([^]]*)]", "\\\\cite{\\1}", x)

这是another demo

为什么基于TRE的正则表达式比PCRE更好：

在R 2.10.0及更高版本中，默认的正则表达式引擎是Ville Laurikari的TRE引擎[source]的修改版本。花费在匹配上的library's author states随着输入文本长度的增加而线性增长，而内存需求几乎是恒定的（几十千字节）。 TRE也是said在所使用的正则表达式匹配算法的长度中使用可预测和适度的内存消耗以及二次最坏情况时间。这就是为什么在处理更大的文档时，最好依赖TRE而不是PCRE正则表达式。

Answer 2

您需要使用捕获组。

x <- c("[@Fotheringham1981]", "df[1,2]")
gsub("\\[@([^\\]]*)\\]", "\\\\cite{\\1}", x, perl=T)
# [1] "\\cite{Fotheringham1981}" "df[1,2]" 

或

gsub("\\[@(.*?)\\]", "\\\\cite{\\1}", x)
# [1] "\\cite{Fotheringham1981}" "df[1,2]"

Answer 3

匹配[@，然后设置一个捕获组，即（...）中的所有内容，然后.*?匹配最短的字符串，直到]：

gsub("\\[(@.*?)\\]", "\\\\cite{\\1}", x)
## [1] "\\cite{@Fotheringham1981}" "df[1,2]" 

这是正则表达式的铁路图：

\[(@.*?)\]

Debuggex Demo