R - 用“\n”或三个空格分割，当有三个空格时至少保留一个空格答案

【问题标题】：R - Split by "\n" or three spaces and retain at least one space when there are three spacesR - 用“\n”或三个空格分割，当有三个空格时至少保留一个空格
【发布时间】：2016-03-29 22:58:02
【问题描述】：

我希望我能解释一下，这样对你来说很容易。我需要这个，因为字符串中缺少的信息被标记为三个空格，而且令人惊讶的是，下一条信息没有执行\n。

想象一下我有一个类似的字符串：

string <- "abc
   def
ghi   jkl"

我希望正则表达式（可能带有更高级功能的strsplit()）的输出为：

[[1]]
[1] "abc" "" "def" "ghi" "" "jkl"

当它找到\n 时会拆分，当它找到三个空格时会拆分并插入一个空格。我需要将丢失的信息标记为另一个值。如果不是，那会破坏我的脚本，认为下一个信息是，例如，三个空格与def 字符串连接。

谢谢

【问题讨论】：

标签： regex r split

【解决方案1】：

这里有两种解决方案，它们都使用strsplit，但它们的拆分方式不同：

1) 在换行符处拆分 删除所有给出s1 的换行符，然后在给出s2 的每三个字符后添加一个换行符。在换行符上拆分 s2 并将每次出现的三个连续空格替换为空字符串。

Split <- function(string) {
  s1 <- gsub("\n", "", string)
  s2 <- gsub("(.{3})", "\\1\n", s1)
  spl <- strsplit(s2, "\n")
  lapply(spl, function(s) replace(s, s == "   ", ""))
}

# test
string <- "abc\n   def\nghi   jkl"
Split(string)
## [[1]]
## [1] "abc" ""    "def" "ghi" ""    "jkl"

2) 在零宽度上拆分 3 char regexp 删除换行符并使用指定的正则表达式拆分。最后将每连续三个空格替换为空字符串。

Split2 <- function(string) {
  s1 <- gsub("\n", "", string)
  spl <- strsplit(s1, "(?<=...)", perl = TRUE)
  lapply(spl, function(s) replace(s, s == "   ", ""))
}

# test
string <- "abc\n   def\nghi   jkl"
Split2(string)
## [[1]]
## [1] "abc" ""    "def" "ghi" ""    "jkl"

注意：1。请注意，提供给此问题的其他答案不适用于以下输入字符串（连续两个空字段），但此处的答案确实正确识别了 abc 字段之后连续两个空的 3 个字符字段：

string2 <- "abc\n      def\nghi   jkl" # 6 spaces before d, 3 spaces before j

Split(string2)
## [[1]]
## [1] "abc" ""    ""    "def" "ghi" ""    "jkl"

Split2(string2)
## [[1]]
## [1] "abc" ""    ""    "def" "ghi" ""    "jkl"

注意 2： 上面的两个解决方案也可以使用 magrittr 管道很好地表达：

library(magrittr)
string %>% 
  gsub(pattern = "\n", replacement = "") %>%
  gsub(pattern = "(.{3})", replacement = "\\1\n") %>%
  strsplit("\n") %>%
  lapply(function(s) replace(s, s == "   ", ""))

## [[1]]
## [1] "abc" ""    "def" "ghi" ""    "jkl"


library(magrittr)
string %>% 
  gsub(pattern = "\n", replacement = "") %>%
  strsplit("(?<=...)", perl = TRUE) %>%
  lapply(function(s) replace(s, s == "   ", ""))

## [[1]]
## [1] "abc" ""    "def" "ghi" ""    "jkl"

【讨论】：

【解决方案2】：

(string <- "abc
   def
ghi   jkl")
# [1] "abc\n   def\nghi   jkl"

rle(strsplit(string, '\\s')[[1]])$values
# [1] "abc" ""    "def" "ghi" ""    "jkl"

【讨论】：

【解决方案3】：

由于“”（3个空格）可以一个接一个出现，使用正则表达式会很困难。

如果“\n”可以被识别为单词分隔符我的解决方案是首先将“”替换为“\n”，这没什么+单词分隔符并照常进行strsplit。这是我的解决方案

string <- "abc
   def
ghi   jkl"
string <- "abc\n      def\nghi   jkl" 
str2 <- stri_replace_all_fixed(string, "   ", "\n")
str3 <- stri_split_regex(str2, "\n")
str3

这两个例子的作用就像一个魅力

【讨论】：