R:基于条件的正则表达式首次出现

时间:2018-04-23 16:31:51

标签: r regex

我试图通过使用3个字符后面的第一个空格来分割字符串。这是我的代码:

string <- c("Le jour la nuit", "Les jours les nuits")
part1 <- sub("(\\S{3,})\\s?(.*)", "\\1", string)
part2 <- sub("(\\S{3,})\\s?(.*)", "\\2", string)

# output
> part1
[1] "Le jour" "Les"    
> part2
[1] "Le la nuit"      "jours les nuits"

对于第一部分,它完全符合要求。但是,第二部分不是这样:part2[1]应该是la nuit而不是Le la nuit

我不确定如何实现这一点,并且会感谢一些指导。

1 个答案:

答案 0 :(得分:4)

不确定您真正想要的是什么,但根据您的要求,您可以使用

^(.{3,}?)(?:(?<!,)\\s)+(.*)

这说:

^              # start of the string
(.{3,}?)       # capture 3+ characters lazily, up to...
(?:(?<!,)\\s)+ # 1+ whitespaces that must not be preceeded by a comma
(.*)           # capture the rest of the string

R

string <- c("Le jour la nuit", "Les jours les nuits", "les, jours les nuits")
(part1 <- sub("^(.{3,}?)(?:(?<!,)\\s)+(.*)", "\\1", string, perl = T))
(part2 <- sub("^(.{3,}?)(?:(?<!,)\\s)+(.*)", "\\2", string, perl = T))

屈服

[1] "Le jour"    "Les"        "les, jours"

[1] "la nuit"         "jours les nuits" "les nuits"      

<小时/> 也许你需要dataframe作为结果,如果是这样,你可以定义一个小函数(使用sapply和一些逻辑):

make_df <- function(text) {
  parts <- sapply(text, function(x) {
    m <- regexec("^(.{3,}?)(?:(?<!,)\\s)+(.*)", x, perl = T)
    groups <- regmatches(x, m)
    c(groups[[1]][2], groups[[1]][3])
  }, USE.NAMES = F)
  (setNames(as.data.frame(t(parts), stringsAsFactors = F), c("part1", "part2")))
}

(df <- make_df(string))

这会产生string <- c("Le jour la nuit", "Les jours les nuits", "les, jours les nuits", "somejunk")

       part1           part2
1    Le jour         la nuit
2        Les jours les nuits
3 les, jours       les nuits
4       <NA>            <NA>