R/stringr：正则表达式获取字符串特定部分中的特定符号

Question

我有几个字符串，如下所示：

> TstStr <- c("Carnivora, Caniformia, Canidae (dog, coyote, wolf, fox), Canis, Canis lupus (Gray wolf), Canis lupus familiaris (Dog) (Canis familiaris)")
> TstStr
[1] "Carnivora, Caniformia, Canidae (dog, coyote, wolf, fox), Canis, Canis lupus (Gray wolf), Canis lupus familiaris (Dog) (Canis familiaris)"

如果括号内的逗号和空格同时出现，我想仅用美元符号替换它们，最好使用stringr:str_replace_all（或类似的东西）。所以我希望输出看起来像这样：

> TstStr
[1] "Carnivora, Caniformia, Canidae (dog$coyote$wolf$fox), Canis, Canis lupus (Gray wolf), Canis lupus familiaris (Dog) (Canis familiaris)"

我不知道这种情况下的正则表达式应该是什么样子，因为我对正则表达式的了解是初级的。我试过str_match_all(Tstr, "(?<=\\()(?:[:alpha:]*)\\,\\s(?:[:alpha:]*)(?=\\))") 但这不起作用（显然）。任何指针将不胜感激。

Answer 1

你可以使用

library(stringr)
TstStr <- c("Carnivora, Caniformia, Canidae (dog, coyote, wolf, fox), Canis, Canis lupus (Gray wolf), Canis lupus familiaris (Dog) (Canis familiaris)")
str_replace_all(TstStr, "\\([^()]*\\)", function(x) { gsub("\\s*,\\s*", "$", x) })
[1] "Carnivora, Caniformia, Canidae (dog$coyote$wolf$fox), Canis, Canis lupus (Gray wolf), Canis lupus familiaris (Dog) (Canis familiaris)"

\\([^()]*\\) 模式将匹配内部不带括号的 (...) 子字符串，而带有 "\\s*,\\s*" 模式的 gsub 将在匹配项中用 $ 字符替换用 0+ 空格字符括起来的逗号。

正则表达式细节

• \( - 一个 ( 字符
• [^()]* - 除了 ( 和 ) 之外还有 0 个或多个字符
• \) - ) 字符。

与此模式匹配的字符串被传递给作为str_replace_all 的第三个参数的匿名函数，然后gsub 替换所有情况

• \s* - 0 个或多个空格
• , - 逗号
• \s* - 0 个或多个空格

在整个匹配中带有 $ 符号，并且修改后的匹配被返回并用作与 str_extract_all 找到的正则表达式匹配的替换。