Question

我正在使用gsub按照字典的想法替换R中向量中的单词。也就是说，给定的单词组（同义词）syn = c("Cash", "\\$")应该被单词（word = "MONEY"）替换。

text <- c("I spent 100$", "Cash can be used", "Cashier doesnt count", "a separate $")

到目前为止，我使用它来替换同义词：

syn <- c("Cash", "\\$")
word <- "MONEY"

regex <- paste0("\\b(", paste(syn, collapse = "|"), ")\\b")
# "\\b(Cash|\\$)\\b"

gsub(regex, word, text)
# "I spent 100MONEY"     "MONEY can be used"    "Cashier doesnt count" "a separate $"

在$ -sign附加到字母数字的情况下适用，但如果符号分开则失败。如果我放弃了单词边界（\\b），那么找到了$ -sign，但是＃34; Cash＆＃34;在＆＃34;收银员＆＃34;。

你知道我怎么能有一个单词边界但是还能找到单个$ -sign吗？

Answer 1

将自定义边界与PCRE正则表达式一起使用：

(?<!\p{L}) - 一个单词的开头（之前没有字母）
(?!\p{L}) - 一个字的结尾（之后没有字母）

请参阅regex demo。

示例R代码：

> text <- c("I spent 100$", "Cash can be used", "Cashier doesnt count", "a seperate $")
> syn <- c("Cash", "\\$")
> word <- "MONEY"
> regex <- paste0("(?<!\\p{L})(?:", paste(syn, collapse = "|"), ")(?!\\p{L})")
> gsub(regex, word, text, perl=TRUE)
[1] "I spent 100MONEY"     "MONEY can be used"    "Cashier doesnt count" "a seperate MONEY"    
>

Answer 2

regex <- paste0("\\b", paste(syn, collapse = "\\b|"))
#"\\bCash\\b|\\$"
gsub(regex,word,text)
#[1] "I spent 100MONEY"     "MONEY can be used"    "Cashier doesnt count" "a seperate MONEY"

正则表达式R：字边界和分隔字符

2 个答案: