考虑 R 中的以下代码:
x <- "A, B (C, D, E), F, G [H, I, J], K (L (M, N), O), P (Q (R, S (T, U)))"
strsplit(x, split = "some regex here")
我希望它返回类似于包含字符向量的列表的内容
"A"
"B (C, D, E)"
"F"
"G [H, I, J]"
"K (L (M, N), O)"
"P (Q (R, S (T, U)))"
编辑:提议的替代问题不能回答我的问题,因为允许嵌套括号和方括号,并且有可能发生 n 级嵌套(超过 2)。
这看起来更像是自定义解析器的工作,而不是单个正则表达式。我很想被证明是错的,但是在我们等待的时候,这里有一个非常简单的解析函数可以完成工作。
parse_nested <- function(string) {
chars <- strsplit(string, "")[[1]]
parentheses <- numeric(length(chars))
parentheses[chars == "("] <- 1
parentheses[chars == ")"] <- -1
parentheses <- cumsum(parentheses)
brackets <- numeric(length(chars))
brackets[chars == "["] <- 1
brackets[chars == "]"] <- -1
brackets <- cumsum(brackets)
split_on <- which(brackets == 0 & parentheses == 0 & chars == ",")
split_on <- c(0, split_on, length(chars) + 1)
result <- character()
for(i in seq_along(head(split_on, -1))) {
x <- paste0(chars[(split_on[i] + 1):(split_on[i + 1] - 1)], collapse = "")
result <- c(result, x)
}
trimws(result)
}
产生:
parse_nested(x)
#> [1] "A" "B (C, D, E)" "F"
#> [4] "G [H, I, J]" "K (L (M, N), O)" "P (Q (R, S (T, U)))"
仅使用
regex
。由于 stringr
不允许递归,因此我们需要使用基 R。
x <- "A, B (C, D, E), F, G [H, I, J], K (L (M, N), O), P (Q (R, S (T, U)))"
regmatches(x,
gregexpr("([A-Z] )*([\\(\\[](?>[^()\\[\\]]|(?R))*[\\)\\]])|[A-Z]",
x, perl = TRUE))
#> [[1]]
#> [1] "A" "B (C, D, E)" "F"
#> [4] "G [H, I, J]" "K (L (M, N), O)" "P (Q (R, S (T, U)))"
这使用了
R 表达式中的求和项中的
getTerms
而不是正则表达式。这个函数相当短,只有 3 行主体。
假设没有加号将每个逗号转换为加号,转换为 一个语言对象,然后使用
getTerms
将其分解为单独的术语。最后将每个术语格式化为字符串并将加号转换回逗号。
x |>
chartr(",", "+", x = _) |>
str2lang() |>
getTerms() |>
sapply(\(x) chartr("+", ",", format(x)))
给予
[1] "A" "B(C , D , E)" "F"
[4] "G[H , I , J]" "K(L(M , N) , O)" "P(Q(R , S(T , U)))"
问题中的输入
x
就是这个字符串
x <- "A, B (C, D, E), F, G [H, I, J], K (L (M, N), O), P (Q (R, S (T, U)))"