在数学比较中的分割字符向量R

Question

我想用数学比较来分割表达式，例如，

unlist(strsplit("var<3", "(?=[=<>])", perl = TRUE)) 
unlist(strsplit("var==5", "(?=[=<>])", perl = TRUE)) 
unlist(strsplit("var>2", "(?=[=<>])", perl = TRUE)) 

的结果是：

[1] "var" "<" "3" 
[1] "var" "=" "=" "5" 
[1] "var" ">" "2" 

对于上面的第二个例子，我想获得[1] "var" "==" "5"，所以这两个=应返回作为一个单一的元素。我如何需要改变我的正则表达式来实现这一点？ （我已经尝试过分组和量词为“==”，但是毫无效果 - 正则表达式是不是我的朋友...）

Answer 1

你可以使用一个PCRE正则表达式来个匹配子串，你需要：

==|[<>]|(?:(?!==)[^<>])+ 

也支持!=，修改为

[!=]=|[<>]|(?:(?![=!]=)[^<>])+ 

见regex demo。

详细：

• == - 2个=迹象
• | - 或
• [<>] - 一个<或>
• | - 或
• (?:(?!==)[^<>])+ - 其它1个或多个字符比<和>（[^<>]）不开始== char序列（回火贪婪标记）。

注意：这是通过增加更多的选择和调整的磨砺贪婪令牌容易扩展。

R test：

> text <- "Text1==text2<text3><More here" 
> res <- regmatches(text, gregexpr("==|[<>]|(?:(?!==)[^<>])+", text, perl=TRUE)) 
> res 
[[1]] 
[1] "Text1"  "=="  "text2"  "<"   "text3"  ">"   
[7] "<"   "More here" 

Answer 2

使用单词边界（\\b）并指定环视两个可能性：

unlist(strsplit("var==5", "(?=(\\b[^a-zA-Z0-9])|(\\b[a-zA-Z0-9]\\b))", perl = TRUE)) 
[1] "var" "==" "5" 

unlist(strsplit("var<3", "(?=(\\b[^a-zA-Z0-9])|(\\b[a-zA-Z0-9]\\b))", perl = TRUE)) 
[1] "var" "<" "3" 
unlist(strsplit("var>2", "(?=(\\b[^a-zA-Z0-9])|(\\b[a-zA-Z0-9]\\b))", perl = TRUE)) 
[1] "var" ">" "2" 

说明：

拆分在“字”，结束时，之后，有或者是一个非字母数字字符\\b[^a-zA-Z0-9]或它是“词”和结束时，之后，有一个字母数字字符。

编辑：

实际上上面的代码将具有意想不到的结果，如果在端部的数量为10以上。
另一种选择是使用lookbehind和分裂时，前，有要么非alphanum字符后跟一个字边缘，或一个alphanum字符后跟一个字边缘：

strsplit("var<20", "(?<=(([^a-zA-Z0-9]\\b)|([a-zA-Z0-9]\\b)))", perl = TRUE)[[1]] 
#[1] "var" "<" "20" 
strsplit("var==20", "(?<=(([^a-zA-Z0-9]\\b)|([a-zA-Z0-9]\\b)))", perl = TRUE)[[1]] 
#[1] "var" "==" "20" 
strsplit("var!=5", "(?<=(([^a-zA-Z0-9]\\b)|([a-zA-Z0-9]\\b)))", perl = TRUE)[[1]] 
#[1] "var" "!=" "5" 

EDIT2：

共窃取@Tensibai的方式来定义alphanum（+下划线）/非alphanum字符，上述regex可以简化到："(?<=((\\W\\b)|(\\w\\b)))"

Answer 3

从我的意见想法扩大，只是格式：

tests=c("var==5","var<3","var.name>5") 
regmatches(tests,regexec("([a-zA-Z0-9_.]+)(\\W+)([a-zA-Z0-9_.]+)",tests)) 

\w是[a-zA-Z0-9_]和\W它的对面[^a-zA-Z0-9_]，我扩大之后的评论，包括。在字符类中，因为R不支持基本正则表达式中的字符类中的\ w（需要使用perl = TRUE）。

因此，正则表达式搜索\ w和。，然后至少1不在\ w（匹配运算符），然后至少1 \ w和点。

每一步都被捕获，这给予：

[[1]] 
[1] "var==5" "var" "=="  "5"  

[[2]] 
[1] "var<3" "var" "<"  "3"  

[[3]] 
[1] "var.name>5" "var.name" ">"   "5"  

你可以捕捉每个组之间添加*如果你的项目可有周围操作空间，如果不是经营者捕获会得到他们。