在REGEX中匹配和替换多个带引号的字符串

Question

我想用R中的下划线替换引号内的所有空格。我不知道如何在有多个引号时正确定义带引号的字符串。我的开始努力失败了，我甚至没有得到单/双引号。

require(stringi) 
s = "The 'quick brown' fox 'jumps over' the lazy dog" 
stri_replace_all(s, regex="('.*) (.*')", '$1_$2') 
#> [1] "The 'quick brown' fox 'jumps_over' the lazy dog" 

感谢您的帮助。

Answer 1

让我们假设你需要匹配以'启动所有非重叠的子串，则比其他' 1个或多个字符，然后用'结束。该模式是'[^']+'。

然后，可以使用下面的基础R代码：

x = "The 'quick cunning brown' fox 'jumps up and over' the lazy dog" 
gr <- gregexpr("'[^']+'", x) 
mat <- regmatches(x, gr) 
regmatches(x, gr) <- lapply(mat, gsub, pattern="\\s", replacement="_") 
x 
## => [1] "The 'quick_cunning_brown' fox 'jumps_up_and_over' the lazy dog" 

this R demo见。或者，使用gsubfn：

> library(gsubfn) 
> rx <- "'[^']+'" 
> s = "The 'quick cunning brown' fox 'jumps up and over' the lazy dog" 
> gsubfn(rx, ~ gsub("\\s", "_", x), s) 
[1] "The 'quick_cunning_brown' fox 'jumps_up_and_over' the lazy dog" 
> 

为了支持转义序列，你可以使用一个更复杂的PCRE正则表达式：

(?<!\\)(?:\\{2})*\K'[^'\\]*(?:\\.[^'\\]*)*' 

详细：

• (?<!\\) - 没有\之前当前位置
• (?:\\{2})* - 零个或更多个序列2 \小号
• \K - 匹配复位操作者
• ' - 单引号
• [^'\\]* - 零个或更多 - 零个或多个字符比'和\
• (?:\\.[^'\\]*)*其他序列：
  • \\. - a \后跟任何c哈日但一个换行符
  • [^'\\]* - 零个或多个字符比'和\
• '其他 - 一个单引号。

而且R demo会是什么样

x = "The \\' \\\\\\' \\\\\\\\'quick \\'cunning\\' brown' fox 'jumps up \\'and\\' over' the lazy dog" 
cat(x, sep="\n") 
gr <- gregexpr("(?<!\\\\)(?:\\\\{2})*\\K'[^'\\\\]*(?:\\\\.[^'\\\\]*)*'", x, perl=TRUE) 
mat <- regmatches(x, gr) 
regmatches(x, gr) <- lapply(mat, gsub, pattern="\\s", replacement="_") 
cat(x, sep="\n") 

输出：

The \' \\\' \\\\'quick \'cunning\' brown' fox 'jumps up \'and\' over' the lazy dog 
The \' \\\' \\\\'quick_\'cunning\'_brown' fox 'jumps_up_\'and\'_over' the lazy dog 

Answer 2

试试这个：

require(stringi) 
s = "The 'quick brown' fox 'jumps over' the lazy dog" 
stri_replace_all(s, regex="('[a-z]+) ([a-z]+')", '$1_$2')