仅在括号内替换逗号的正则表达式答案

【问题标题】：Regex for replacing commas only within brackets仅在括号内替换逗号的正则表达式
【发布时间】：2021-11-10 03:54:31
【问题描述】：

我有一个成分数据集，每一行都是用逗号分隔的成分列表，例如：

燕麦 (24%)（轧制、麸皮）、椰子 (13%)（椰子、防腐剂 (220, 223)）、红糖、乳固体、金糖浆 (10%)、种子 (9%)（芝麻、向日葵）、人造黄油（植物油、水、盐、乳化剂（471、大豆卵磷脂）、抗氧化剂（307））、葡萄糖、牛奶巧克力复合物（5%）（糖、植物油、乳固体、可可粉、乳化剂（大豆卵磷脂, 492), 天然香料), 天然香料

我想解析文件以仅用分号替换括号内的逗号。括号内可以有任意数量的括号和任意数量的逗号。结果应如下所示：

燕麦 (24%)（轧制；麸皮）、椰子 (13%)（椰子；防腐剂 (220; 223)）、红糖、乳固体、金糖浆 (10%)、种子 (9%)（芝麻；向日葵）、人造黄油（植物油；水；盐；乳化剂（471；大豆卵磷脂）；抗氧化剂（307）），葡萄糖，牛奶巧克力复合物（5%）（糖；植物油；乳固体；可可粉；乳化剂（大豆卵磷脂；492)；天然香料)，天然香料

我能获得一些关于正则表达式的帮助来解决这个问题吗？提前谢谢你。

【问题讨论】：

请提供足够的代码，以便其他人更好地理解或重现问题。

标签： r regex regex-lookarounds

【解决方案1】：

1) gsubfn 这可以在没有复杂正则表达式的情况下使用 gsubfn 来完成。由点组成的正则表达式匹配单个字符。然后，对于输入字符向量中的每个字符串，pre 函数将计数器 k 初始化为 0，然后对于每个匹配 fun 运行，该字符通过 x 参数传递给它。在fun 内，计数器k 每次遇到( 时加1，每次遇到) 时减1。如果计数器不为零并且遇到逗号，则返回分号以替换逗号；否则，返回输入字符。这是向量化的，即如果输入 s 是一个字符向量，其中每个组件都应该单独处理，它也可以工作。

library(gsubfn)

p <- proto(k = 0, 
  pre = function(this) this$k <- 0,
  fun = function(this, x) {
    if (x == "(") this$k <- k + 1
    if (x == ")") this$k <- k - 1
    if (k && x == ",") ";" else x
  })
gsubfn(".", p, s)

给予：

[1] "Oats (24%) (Rolled; Bran), Coconut (13%) (Coconut ; Preservative (220; 223)), Brown Sugar, Milk Solids, Golden Syrup (10%), Seeds (9%) (Sesame ; Sunflower), Margarine (Vegetable Oil; Water; Salt; Emulsifiers (471; Soy Lecithin); Antioxidant (307)), Glucose, Milk Choc Compound (5%) (Sugar; Vegetable Oil; Milk Solids; Cocoa Powder; Emulsifiers (Soy Lecithin; 492); Natural Flavour), Natural Flavour"

2) Base R Base R 解决方案是将输入拆分为单个字符，给出字符向量列表 L。然后为 L 的每个组件 chars 创建一个计数器向量，k，长度与chars 相同，表示到该点的( 的数量减去到该点的) 的数量。然后用分号替换与非零 k 对应的逗号，并将 chars 转换回单个字符串。就像 (1) 这适用于字符向量。

L <- strsplit(s, "")
sapply(L, function(chars) {
  k <- cumsum((chars == "(") - (chars == ")"))
  chars[k & chars == ","] <- ";"
  paste(chars, collapse = "")
})

注意

输入字符串s如下。

s <- "Oats (24%) (Rolled, Bran), Coconut (13%) (Coconut , Preservative (220, 223)), Brown Sugar, Milk Solids, Golden Syrup (10%), Seeds (9%) (Sesame , Sunflower), Margarine (Vegetable Oil, Water, Salt, Emulsifiers (471, Soy Lecithin), Antioxidant (307)), Glucose, Milk Choc Compound (5%) (Sugar, Vegetable Oil, Milk Solids, Cocoa Powder, Emulsifiers (Soy Lecithin, 492), Natural Flavour), Natural Flavour"

【讨论】：

【解决方案2】：

你可以用?R点赞。

i <- gregexpr("\\(([^()]|(?R))*\\)", s, perl=TRUE)
regmatches(s, i)[[1]] <- gsub(",", ";", regmatches(s, i)[[1]])

s
#[1] "Oats (24%) (Rolled; Bran), Coconut (13%) (Coconut ; Preservative (220; 223)), Brown Sugar, Milk Solids, Golden Syrup (10%), Seeds (9%) (Sesame ; Sunflower), Margarine (Vegetable Oil; Water; Salt; Emulsifiers (471; Soy Lecithin); Antioxidant (307)), Glucose, Milk Choc Compound (5%) (Sugar; Vegetable Oil; Milk Solids; Cocoa Powder; Emulsifiers (Soy Lecithin; 492); Natural Flavour), Natural Flavour"

其中a(?R)z 是一个递归，它匹配一个或多个字母a，后跟完全相同数量的字母z。

数据

s <- "Oats (24%) (Rolled, Bran), Coconut (13%) (Coconut , Preservative (220, 223)), Brown Sugar, Milk Solids, Golden Syrup (10%), Seeds (9%) (Sesame , Sunflower), Margarine (Vegetable Oil, Water, Salt, Emulsifiers (471, Soy Lecithin), Antioxidant (307)), Glucose, Milk Choc Compound (5%) (Sugar, Vegetable Oil, Milk Solids, Cocoa Powder, Emulsifiers (Soy Lecithin, 492), Natural Flavour), Natural Flavour"

【讨论】：