替换 R 中标签内文本中的逗号

Question

我有一个文本文件（ my.txt ），其中包含我希望在R中处理的以下内容。

Lorem ipsum tag:[value_0], dolor sit amet,
consectetur adipiscing elit,
sed do eiusmod tempor incididunt ut labore et dolore magna aliqua tag:[value_01, value_02, value_03].
Ut enim ad minim veniam, tag:[value_04, value_05, value_06, value_07] quis nostrud exercitation, tag:[value_08, value_09, value_10].

我希望处理标签内的字符串（ tag:[ * ] ）。 标签内的值以逗号分隔，由字母数字字符和标点符号组成（逗号和括号除外）。 标签内的值的数量是可变的（1个或更多）。 我希望用]+[更改逗号。

我希望得到的结果如下：

Lorem ipsum tag:[value_0], dolor sit amet,
consectetur adipiscing elit,
sed do eiusmod tempor incididunt ut labore et dolore magna aliqua tag:[value_01]+[value_02]+[value_03].
Ut enim ad minim veniam, tag:[value_04]+[value_05]+[value_06]+[value_07] quis nostrud exercitation, tag:[value_08]+[value_09]+[value_10].

我所能想到的就是捕获标签的内容。

gsub(
  pattern = paste0(
    "tag:\\[([^]]*)\\]"
  ),
  replacement = "\\1",
  x = readLines("my.txt")
)

我不能简单地查找和替换逗号，因为标签外有逗号。 有没有办法进一步处理\\1用]+[替换逗号？ 有没有办法使用基础 R 来实现我的目标？

非常感谢。

Answer 1

您可以通过使用嵌套替换的stringr来执行此操作。 首先找到标签，然后为每个标签替换逗号。 str_replace_all允许您传递 function 进行转换而不是字符串。

input <- c(
  "orem ipsum tag:[value_0], dolor sit amet",
  "consectetur adipiscing elit",
  "sed do eiusmod tempor incididunt ut labore et dolore magna aliqua tag:[value_01, value_02, value_03].",
  "Ut enim ad minim veniam, tag:[value_04, value_05, value_06, value_07] quis nostrud exercitation, tag:[value_08, value_09, value_10]."
)

stringr::str_replace_all(input, "tag:\\[[^\\]]*\\]", function(x) {
  stringr::str_replace_all(x, ", ", "]+[")
})

返回

[1] "orem ipsum tag:[value_0], dolor sit amet"                                                                                                 
[2] "consectetur adipiscing elit"                                                                                                              
[3] "sed do eiusmod tempor incididunt ut labore et dolore magna aliqua tag:[value_01]+[value_02]+[value_03]."                                  
[4] "Ut enim ad minim veniam, tag:[value_04]+[value_05]+[value_06]+[value_07] quis nostrud exercitation, tag:[value_08]+[value_09]+[value_10]."

Answer 2

这里有一些解决方案。

在问题中，方括号内的逗号后面总是跟着一个空格，我认为这是一般情况，但是如果方括号内的逗号后面可以跟一个非空格，那么在每个解决方案中删除模式中逗号之后的空格.

1) gsubfn This one-liner uses gsubfn which finds the matches to the pattern given in the first argument, passes it to the function (which may be specified as a formula) in the second argument and replaces each match with the output of the function .

在这里它匹配tag:[后跟一个字符串，直到下一个最近的]并使用gsub在其中执行所需的替换。

library(gsubfn)

gsubfn("tag:\\[.*?\\]", ~ gsub(", ", "]+[", x), Lines)

2) gsub它可以在单个gsub中完成，尽管请注意下面的警告。 它查找逗号后跟空格，后跟任意数量的非方括号，后跟右方括号。 如果左方括号先出现或没有遇到右方括号，它将不匹配。 除了逗号空间之外的所有内容都在零宽度前瞻内 - 前瞻不会被视为模式的一部分，因此只会替换逗号空间，并且前瞻部分会继续处理更多逗号和空格字符序列。

（不幸的是，lookbehind 不支持重复字符，因此我们不能使用相同的想法来检查前面的tag:[ 。因此，这并不完全安全，尽管它确实对问题中的示例输入似乎足够了，也许对于您的实际输入也是如此。）

这仅使用基础 R。

gsub(", (?=[^][]*\\])", "]+[", Lines, perl = TRUE)

2a) (2) 的这种变体比 (2) 长，但它确实检查了tag:[并且仍然只使用基础 R。 它假定输入中没有大括号。 如果有大括号，请使用输入中没有的其他字符，例如 < 和 >。 首先，它将tag:[...]替换为{...} 。 然后它执行（2）中的替换，但使用大括号，最后它转换回来。

Lines2 <- gsub("tag:\\[(.*?)\\]", "{\\1}", Lines)
Lines3 <- gsub(", (?=[^][{}]*})", "]+[", Lines, perl = TRUE)
gsub("\\{(.*?)\\}", "tag:[\\1]", Lines2)