用于与空格和替换匹配的子字符串的正则表达式答案

【问题标题】：Regex for substring matching with space and substitution用于与空格和替换匹配的子字符串的正则表达式
【发布时间】：2018-09-29 15:56:04
【问题描述】：

我想组合一个字符串中的单词，它们之间有空格，这类似于另一个字符串中的单词，它们之间没有空格（在 R 中）。例如

s1 = '这里是一个不分字符串的例子'

s2 = '请注意，这是一个未分割的案例，适合你！'

s2需要转换成

s2 = '请注意，这是给你的一个不可分割的案例！'

基于 s1 中的组合词与 s2 中的非组合连续/连续词相同（中间有空格）

我是 R 新手，尝试使用 gsub 和 '\s' 的不同组合，但无法获得所需的结果。

【问题讨论】：

看起来像NLP 问题。与spell check problem相关。

标签： r regex string string-matching

【解决方案1】：

你可以通过

实现你所需要的

从您要搜索的字符串中删除所有空格 (s1)（使用 gsub("\\s+", "", x)），然后
在每个字符之间插入空白模式（\s*）（使用类似sapply(strsplit(unspace(s1), ""), paste, collapse="\\s*")），然后
将所有匹配项替换为gsub(pattern, s1, s2)。

见R demo：

s2 = 'Please note th is is an un di vid ed case right he r e for you!'
s1 = 'this is an undivided case right here'
unspace <- function(x) { gsub("\\s+", "", x) }
pattern <- sapply(strsplit(unspace(s1), ""), paste, collapse="\\s*")
gsub(pattern, s1, s2)
## => [1] "Please note this is an undivided case right here for you!"

【讨论】：

如果要在另一个字符串（有或无空格）中找到完整的连续字符串（无空格），这将正常工作。但是在单个单词（而不是完整的字符串）需要比较的情况下不起作用。更新了问题中的示例，使其更加清晰。
这并不容易，但我会看看我以后能做什么。