在R中，如何使用正則表達式分割字符串？

Question

假設我有一個文本格式如下（四個空格是一個制表符）：

__spiritual_bouquet_1    _type_of    __sympathy_card_1

我想通過選項卡將其拆分為：

__spiritual_bouquet_1 ， _type_of ， __sympathy_card_1

我不知道如何使用正則表達式來拆分它。

Answer 1

用這個：

strsplit(subject, "\\s", perl=TRUE);

說明

\\s匹配一個空格字符，表示空格，制表符和回車符。 我沒有使用制表符\\t因為在示例字符串中我只發現了一個常規空格字符。

選項2：擺脫多余的下划線

我注意到您的某些標記在定界符附近有雙下划線。 如果要刪除多余的下划線，可以使用此正則表達式： \\s(?:_(?=_))?

在R中： strsplit(subject, "\\\\s(?:_(?=_))?", perl=TRUE);

在演示中 ，您可以看到我們如何只匹配下划線加倍的下划線。 我們在此分隔符上進行拆分。

這是如何工作的：

• \\\\s匹配空白字符
• (?:_(?=_))? 是一個非捕獲組，由?可選? 最后，該字符與下划線匹配，但前提是前瞻(?=_)可以斷言以下字符為下划線

參考

• 零長度斷言的前瞻性和后瞻性
• 掌握前瞻性和后向性

Answer 2

要么

temp <- "__spiritual_bouquet_1    _type_of    __sympathy_card_1"
strsplit(temp, " ")[[1]]

這將為您帶來一些額外的空結果。 因此，您可以做

strsplit(temp, " ")[[1]][strsplit(temp, " ")[[1]] != ""]