Question

我有一个数据集，我将值粘贴到dplyr链中，并用竖线字符折叠（例如“ |”）。如果数据集中的任何值为空白，我只会在粘贴列表中得到重复的管道字符。

其中一些值如下所示：

badstring = "| | | | | | GHOULSBY,SCROGGINS | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | CAT,JOHNSON | | | | | | | | | | | | BURGLAR,PALA | | | | | | | | |"

我想匹配所有不止一次出现的管道并删除它们，以使名称看起来像这样：

correctstring = "| GHOULSBY,SCROGGINS | CAT,JOHNSON | |BURGLAR,PALA |"

我尝试了以下操作，但无济于事：

mutate(names = gsub('[\\|]{2,}', '', name_list))

Answer 1

这个问题的难点在于制定一个正则表达式，该正则表达式可以有选择地删除每个管道，但我们希望保留它们作为术语之间的实际分隔符的管道除外。我们可以按照以下模式进行匹配：

\|\s+(?=\|)

，然后仅替换空字符串。只要遵循的是另一个管道，此模式将删除所有管道（以及随后的空白）。当在管道后面加上实际的字词或在字符串的末尾跟上删除时，不会发生。

badstring = "| | | | | | GHOULSBY,SCROGGINS | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | CAT,JOHNSON | | | | | | | | | | | | BURGLAR,PALA | | | | | | | | |"

result <- gsub("\\|\\s+(?=\\|)", "", badstring, perl=TRUE)
result

[1] "| GHOULSBY,SCROGGINS | CAT,JOHNSON | BURGLAR,PALA |"

Demo

编辑：

如果您希望输入诸如| | |之类的没有任何术语的输入，并且希望将空字符串作为输出，那么我的解决方案将失败。我看不到修改上述正则表达式的明显方法，但是您可以通过再调用sub来处理这种情况：

result <- sub("^\\|$", "", result)

我们也许还可以修改原始模式以使用覆盖所有情况的替代方式：

result <- gsub("\\|\\s+(?=\\|)|(?:^\\|$)", "", badstring, perl=TRUE)

R：正则表达式可以匹配多个管道

1 个答案:

Demo