【问题标题】：gsub return an empty string when no match is found找不到匹配项时 gsub 返回一个空字符串
【发布时间】：2012-04-18 17:23:07
【问题描述】：

我在 R 中使用 gsub 函数在文本列表中返回我的模式（参考编号）的出现。除非找不到匹配项，否则这很好用，在这种情况下，我会取回整个字符串，而不是空字符串。考虑这个例子：

data <- list("a sentence with citation (Ref. 12)",
             "another sentence without reference")

sapply(data, function(x) gsub(".*(Ref. (\\d+)).*", "\\1", x))

返回：

[1] "Ref. 12"                            "another sentence without reference"

但我想得到

[1] "Ref. 12"                            ""

谢谢！

【问题讨论】：

gsub 不能（当前为 2.15.0）这样做，因为：“如果 replacement 包含未在 pattern 中定义的反向引用，则结果未定义（但通常采用反向引用成为"")。”

标签： r regex gsub

【解决方案1】：

我可能会走另一条路，因为sapply 对我来说似乎没有必要，因为这些函数已经矢量化了：

fun <- function(x){
    ind <- grep(".*(Ref. (\\d+)).*",x,value = FALSE)
    x <- gsub(".*(Ref. (\\d+)).*", "\\1", x)
    x[-ind] <- ""
    x
}

fun(data)

【讨论】：

有什么理由使用grep而不是grepl？
@David 我不这么认为，这只是我的手指碰巧首先输入的内容。

【解决方案2】：

根据文档，这是gsub 的一个功能，如果没有与提供的模式匹配，则返回输入字符串，匹配返回整个字符串。

在这里，我首先使用函数grepl 来返回给定字符串中模式存在/不存在的逻辑向量：

ifelse(grepl(".*(Ref. (\\d+)).*", data), 
      gsub(".*(Ref. (\\d+)).*", "\\1", data), 
      "")

将其嵌入函数中：

mygsub <- function(x){
     ans <- ifelse(grepl(".*(Ref. (\\d+)).*", x), 
              gsub(".*(Ref. (\\d+)).*", "\\1", x), 
              "")
     return(ans)
}

mygsub(data)

【讨论】：

【解决方案3】：

xs <- sapply(data, function(x) gsub(".*(Ref. (\\d+)).*", "\\1", x))
xs[xs==data] <- ""
xs
#[1] "Ref. 12" ""

【讨论】：

【解决方案4】：

试试 gsubfn 包中的strapplyc：

library(gsubfn)

L <- fn$sapply(unlist(data), ~ strapplyc(x, "Ref. \\d+"))
unlist(fn$sapply(L, ~ ifelse(length(x), x, "")))

这给出了这个：

a sentence with citation (Ref. 12) another sentence without reference 
                         "Ref. 12"                                 ""

如果您不介意列表输出，那么您可以使用 L 并忘记最后一行代码。请注意，fn$ 前缀会将其应用于函数的公式参数转换为函数调用，因此第一行代码可以在没有 fn 的情况下编写为 sapply(unlist(data), function(x) strapplyc(x, "Ref x. \\d+"))。

【讨论】：

我从未见过 fn$ 被使用过 - 你在哪里找到的？
在 gsubfn 包中，请参阅 ?fn 和 gsubfn 小插图的第 7 节。

【解决方案5】：

您可以尝试在该函数中嵌入grep( ..., value = T)。

data <- list("a sentence with citation (Ref. 12)",
         "another sentence without reference")

unlist( sapply(data, function(x) { 
  x <- gsub(".*(Ref. (\\d+)).*", "\\1", x)
  grep( "Ref\\.", x, value = T )
  } ) )

有点笨重，但它有效吗？它还会删除空的第二个引用。

【讨论】：

为我工作。就我而言，我将删除 unlist，因为我仍然想知道丢失的数据在哪里。谢谢！
@cboettig 请注意，sapply 在这里是多余的。
@joran 谢谢，我正在从一个我认为需要 sapply 的案例中简化示例，因为 data 是一个列表列表，忘记了我在这里不需要它。 ;-) 这样更好。

【解决方案6】：

基于@joran 的回答

功能：

extract_matches <- function(x,pattern,replacement,replacement_nomatch=""){
    x <- gsub(pattern,replacement,x)
    x[-grep(pattern,x,value = FALSE)] <- replacement_nomatch
    x
}

用法：

data <- list("with citation (Ref. 12)", "without reference", "")
extract_matches(data,  ".*(Ref. (\\d+)).*", "\\1")

【讨论】：

【解决方案7】：

另一种简单的方法是使用 gsub，但在新函数中指定你想要的 ''

noFalsePositives <- function(a,b,x) {
  return(ifelse(gsub(a,b,x)==x,'',gsub(a,b,x)))
}
# usage
noFalsePositives(".*(Ref. (\\d+)).*", "\\1", data)
# [1] "Ref. 12" ""

【讨论】：