在數學比較中的分割字符向量R

Question

我想用數學比較來分割表達式，例如，

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

的結果是：

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

對於上面的第二個例子，我想獲得[1] "var" "==" "5"，所以這兩個=應返回作爲一個單一的元素。我如何需要改變我的正則表達式來實現這一點？ （我已經嘗試過分組和量詞爲「==」，但是毫無效果 - 正則表達式是不是我的朋友...）

Answer 1

你可以使用一個PCRE正則表達式來個匹配子串，你需要：

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

也支持!=，修改爲

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

見regex demo。

詳細：

• == - 2個=跡象
• | - 或
• [<>] - 一個<或>
• | - 或
• (?:(?!==)[^<>])+ - 其它1個或多個字符比<和>（[^<>]）不開始== char序列（回火貪婪標記）。

注意：這是通過增加更多的選擇和調整的磨礪貪婪令牌容易擴展。

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

使用單詞邊界（\\b）並指定環視兩個可能性：

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" 

說明：

拆分在「字」，結束時，之後，有或者是一個非字母數字字符\\b[^a-zA-Z0-9]或它是「詞」和結束時，之後，有一個字母數字字符。

編輯：

實際上上面的代碼將具有意想不到的結果，如果在端部的數量爲10以上。
另一種選擇是使用lookbehind和分裂時，前，有要麼非alphanum字符後跟一個字邊緣，或一個alphanum字符後跟一個字邊緣：

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：

共竊取@Tensibai的方式來定義alphanum（+下劃線）/非alphanum字符，上述regex可以簡化到："(?<=((\\W\\b)|(\\w\\b)))"

Answer 3

從我的意見想法擴大，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它的對面[^a-zA-Z0-9_]，我擴大之後的評論，包括。在字符類中，因爲R不支持基本正則表達式中的字符類中的\ w（需要使用perl = TRUE）。

因此，正則表達式搜索\ w和。，然後至少1不在\ w（匹配運算符），然後至少1 \ w和點。

每一步都被捕獲，這給予：

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

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

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

你可以捕捉每個組之間添加*如果你的項目可有周圍操作空間，如果不是經營者捕獲會得到他們。