正则表达式替换匹配项，但也忽略引号内的匹配项

Question

正在尝试将 "and" 或 "or" 匹配并替换为“&”和“|”当它出现在引号之外时，除非它们出现在引号内。

引号可以是单引号 (') 或双引号 (")。

字符串如下：

Industry ='Education' or Industry =\"Energy\" or Industry = 'Financial or Bank' or Industry = 'Hospitality' or Industry = \"Food and Beverage\"  and Industry = 'Utilities'

预期输出：

Industry ='Education' | Industry =\"Energy\" | Industry = 'Financial or Bank' | Industry = 'Hospitality' | Industry = \"Food and Beverage\"  & Industry = 'Utilities'

我知道我们可能必须使用环顾四周，但不知道如何做。我在 R 中使用 stringr 包进行所有正则表达式操作。

如果您需要更多信息，请告诉我。

Answer 1

这是一种丑陋的方法，但它适用于您的特定情况：

对于或：

(?:'|")(?:.*?)(?:'|")(?:.*?)(or)(?:.*?)

对于和：

(?:'|")(?:.*?)(?:'|")(?:.*?)(and)(?:.*?)

我建议使用 https://regex101.com/ 来帮助构建和测试您的正则表达式

Answer 2

您的问题存在潜在问题，因为单个正则表达式可能无法很好地或根本无法处理嵌套内容。也就是说，如果我们假设您要用管道替换的 or 值总是出现在之后引用的字符串，那么我们可以尝试以下操作：

gsub("([\"'])\s*or", "\1 |", input)
[1] "Industry ='Education' | Industry =\"Energy\" | Industry = 'Financial or Bank' |
Industry = 'Hospitality' | Industry = \"Food and Beverage\"  and Industry = 'Utilities'"

通过检查，出现在带引号字符串内的 or 值两边都被未加引号的单词包围。显然，这可能会在看到其他数据或更多嵌套内容时崩溃。

Demo

Answer 3

您应该考虑一种方法来匹配双引号和单引号子字符串以忽略它们，并且只在所有其他上下文中处理 and 或 or。最简单的方法是使用 gsubfn ，您可以在其中传递一个 PCRE 正则表达式来执行此操作：

> library(gsubfn)
> x <- "Industry ='Education' or Industry =\"Energy\" or Industry = 'Financial or Bank' or Industry = 'Hospitality' or Industry = \"Food and Beverage\"  and Industry = 'Utilities'"
> pat = "(?:\"[^\"]*\"|'[^']*')(*SKIP)(*F)|\b(and|or)\b"
> gsubfn(pat, ~ ifelse(z=="or","|", "&"), x, backref=0, perl=TRUE)
[1] "Industry ='Education' | Industry =\"Energy\" | Industry = 'Financial or Bank' | Industry = 'Hospitality' | Industry = \"Food and Beverage\"  & Industry = 'Utilities'"

(?:\"[^\"]*\"|'[^']*')(*SKIP)(*F)|\b(and|or)\b 模式将匹配：

(?: - 交替组：
- \"[^\"]*\" - 内部没有双引号的双引号子字符串
- | - 或
- '[^']*' - 单引号子字符串
) - 小组结束
(*SKIP)(*F) - 放弃匹配，继续寻找下一个匹配
| - 或
\b(and|or)\b - 第 1 组：and 或 or 作为一个完整的词。

参见regex demo。

根据 " 和 ' 在 "..." 和 '...' 中转义的方式，您需要调整正则表达式的 (?:\"[^\"]*\"|'[^']*') 部分.

~ ifelse(z=="or","|", "&") 部分是一个回调函数，它接收唯一的参数（在该函数中名为 z），其内容是您从正则表达式中获得的匹配值（即 or 或 and)。如果匹配值等于 or，则匹配替换为 |，否则替换为 &.

正则表达式替换匹配项，但也忽略引号内的匹配项

Regex to replace matches but also ignore when matches within quotes

regex

r

stringr

regex-lookarounds

Demo