如何在R中两个单词之间的文本上gsub？

Question

编辑：

我想在我的文本中的特定未知单词之前放置一个\n。我知道我的文字中第一次出现的未知单词会在“Tree”和“Lake”之间

例如。文字：

text
[1]  "TreeRULakeSunWater" 
[2]  "A B C D"

编辑：

“树”和“湖”永远不会改变，但它们之间的单词总是在变化，所以我不会在我的 regex 中寻找“RU”

我目前在做什么：

if (grepl(".*Tree\\s*|Lake.*",  text)) { text <- gsub(".*Tree\\s*|Lake.*", "\n\\1", text)}

我上面所做的问题是gsub 将子所有text 并只留下\nRU。

text
[1] "\nRU"

我也试过了：

if (grepl(".*Tree *(.*?) *Lake.*",  text)) { text <- gsub(".*Tree *(.*?) *Lake.*", "\n\\1", text)}

我希望text 在gsub 之后的样子：

text
[1] "Tree \nRU LakeSunWater"
[2] "A B C D"

编辑：

根据 Wiktor Stribizew 的评论，我能够成功地完成 gsub

gsub("Tree(\\w+)Lake", "Tree \n\\1 Lake", text)

但这只会在“RU”位于“Tree”和“Lake”之间的情况下执行 gsub，这是未知单词的第一次出现。未知单词，在这种情况下，“RU”会出现很多次在文本中，当“RU”是一个完整的单词时，我想将\n放在每个出现的“RU”前面。

新的前。文本。

text
[1] "TreeRULakeSunWater"
[2] "A B C RU D"

新的前。我想要的：

text
[1] "Tree \nRU LakeSunWater"
[2] "A B C \nRU D"

任何帮助将不胜感激。如果需要更多信息，请告诉我。

Answer 1

您需要先找到“树”和“湖”之间的未知单词。你可以使用

unknown_word <- gsub(".*Tree(\\w+)Lake.*", "\\1", text)

该模式匹配字符串中直到最后一个 Tree 的任何字符，然后捕获未知单词（\w+ = 一个或多个单词字符）直到 Lake，然后匹配字符串的其余部分。它替换了向量中的所有字符串。您可以通过[[1]] 索引访问第一个。

然后，当你知道这个词时，将其替换为

gsub(paste0("[[:space:]]*(", unknown_word[[1]], ")[[:space:]]*"), " \n\\1 ", text)

见IDEONE demo。

在这里，您有 [[:space:]]*( + unknown_word[1] + )[[:space:]]* 模式。它匹配未知单词两端的零个或多个空格，以及未知单词本身（捕获到第 1 组）。在替换中，空格被缩小为 1（如果没有空格，则添加），然后\\1 恢复未知单词。您可以将[[:space:]] 替换为\\s。

更新

如果您只需要在RU 之前添加一个换行符，即整个单词，请使用\b 单词边界：

> gsub(paste0("[[:space:]]*\\b(", unknown_word[[1]], ")\\b[[:space:]]*"), " \n\\1 ", text)
[1] "TreeRULakeSunWater" "A B C \nRU D"