在 R 中使用 gsub 在子字符串周围插入点答案

【问题标题】：Insert dots around substring using gsub in R在 R 中使用 gsub 在子字符串周围插入点
【发布时间】：2014-01-04 19:21:04
【问题描述】：

我想在 R 中有一个函数，如果它们不存在，则在给定的子字符串（例如“alpha”）周围插入点（“.”）。例如。 string="10-alpha-epoxy-Amorph-4-ene" 应该返回

"10-.alpha.-epoxy-Amorph-4-ene"

string="alpha-cadolene" 应该返回

".alpha.-cadolene"

但是 string=".alpha.-cadolene" 应该返回

".alpha.-cadolene"

（子字符串可能出现多次）

在 R 中使用 gsub 完成此任务的最简单方法是什么？

干杯，汤姆

【问题讨论】：

标签： r gsub string-substitution

【解决方案1】：

我会做这样的事情：

gsub("[.]?(alpha)[.]?", ".\\1.", c("10-alpha-epoxy-Amorph-4-ene",
                               ".alpha.-cadolene", "alpha.-cadolene",
                                ".alpha-cadolene"                              
                                 ))
[1] "10-.alpha.-epoxy-Amorph-4-ene" ".alpha.-cadolene"             
    ".alpha.-cadolene"              ".alpha.-cadolene"

编辑概括为许多术语：

如果您有术语列表，您可以使用 paste 来使用 create tour 正则表达式：

terms <- c('alpha','gamma','beta','delta')

gsub(paste0("[.]?(",paste0(terms,collapse='|'),")[.]?"), ".\\1.", 
                c("10-alpha-epoxy-Amorph-4-ene",
                 ".gamma.-cadolene", "beta.-cadolene",
                 ".delta-cadolene")) 

[1] "10-.alpha.-epoxy-Amorph-4-ene" ".gamma.-cadolene"             
    ".beta.-cadolene"              
[4] ".delta.-cadolene"

EDIT获取完整的greels列表：

library(XML)
dat <- readHTMLTable("http://en.wikipedia.org/wiki/Greek_alphabet",
                     strinsAsFactors=FALSE)[[2]]

terms <- as.character(dat$V2[-c(1,2)])
 [1] "alpha"   "beta"    "gamma"   "delta"   "epsilon" "zeta"    "eta"     "theta"   "iota"    "kappa"   "lambda" 
[12] "mu"      "Name"    "Modern"  "nu"      "xi"      "omicron" "pi"      "rho"     "sigma"   "tau"     "upsilon"
[23] "phi"     "chi"     "psi"     "omega"

【讨论】：

它是否也可以概括，以便您可以为匹配 alpha、beta、gamma、delta 等执行此操作？还是需要单独的 gsub 命令？
你的意思是所有的希腊人吗？
是的，所有的希腊人都是完美的！但我不知道是否有一些标准可以识别所有完整拼写的希腊字母......（事实上，我仍在寻找一些命令来将 UTF-8 希腊字符转换为完整拼写的字母拉丁语，反之亦然 - 现在我用一系列替换手动完成此操作）
让我们continue this discussion in chat

【解决方案2】：

这是一种方法：

R> gsub("-(alpha)-", ".-\\1-.", "10-.alpha.-epoxy-Amorph-4-ene")
[1] "10-.alpha.-epoxy-Amorph-4-ene"
R> gsub("-(alpha)-", ".-\\1-.", "10-alpha-epoxy-Amorph-4-ene")
[1] "10.-alpha-.epoxy-Amorph-4-ene"
R>

(....) 表达式被保留，便于在替换部分中将其召回为\\1（其中第二个这样的表达式将是\\2）。

但明确命名表达式，您要确保不会发生其他匹配。你当然可以概括一下：

gsub("-([a-z]*)-", ".-\\1-.", "10-.alpha.-epoxy-Amorph-4-ene")

将替换小写字母的任何表达式（但不包括标点符号、数字...）。

【讨论】：