递归字符串命令

Question

我正在使用一些 stringi 函数作为管道的一部分来清理一些字符串数据。

我希望这些函数是递归的，以便它们处理所有可能出现的 re，而不仅仅是第一个。我无法事前预测我需要运行该函数以正确清理数据的次数。

library(stringi)

test_1 <- "AAA A B BBB"
str_squish(str_remove(x, "\\b[A-Z]\\b"))
result <- "AAA B BBB"
desired <- "AAA BBB"

test_2 <- "AAA AA BBB BB CCCC"
str_replace(test_2,"(?<=\\s[A-Z]{2,3})\\s","")
result <- "AAA AABBB BB CCCC"
desired <- "AAA AABBB BBCCCC"

Answer 1

我建议在这里使用 base R 的 gsub，它可以替换全局正则表达式：

test_1 <- "AAA A B BBB"
result <- gsub("[ ]{2,}", " ", gsub("[ ]*\\b[A-Z]\\b[ ]*", " ", test_1))
result

[1] "AAA BBB"

Answer 2

也许使用gsub，它将执行替换所有匹配项：

test_1 <- "AAA A B BBB"
gsub(" +", " ", gsub("\\b[A-Z]\\b", "", test_1))
#[1] "AAA BBB"

test_2 <- "AAA AA BBB BB CCCC"
gsub("(?<=\\s[A-Z]{2})\\s", "", test_2, perl=TRUE)
#[1] "AAA AABBB BBCCCC"

对于正则表达式(?<=\\s[A-Z]{2,3})\\s，不清楚何时应遵守 2-3 的条件以及从何处开始：例如stringr::str_replace_all 会给：

stringr::str_replace_all(test_2,"(?<=\\s[A-Z]{2,3})\\s","")
#[1] "AAA AABBBBBCCCC"

你也可以使用递归函数调用：

f <- function(x) {
  y <- stringr::str_replace(x, "(?<=\\s[A-Z]{2,3})\\s","")
  if(x == y) x
  else f(y)
}
f(test_2)
#[1] "AAA AABBB BBCCCC"