哪个正则表达式更合适？

Question

我正在尝试使用预定义的变量标签使模型输出更漂亮。我有一个变量名称向量 (a)、一个标签向量 (b) 和模型项 (c)。

我必须匹配向量 (a) 和 (c) 并将 (a) 替换为 (b)。我发现这个向我介绍了包 library(gsubfn) 中的函数 gsubfn。该函数匹配并替换多个字符串。按照他们的例子，它在我的情况下无法正常工作：

library(gsubfn)

a <- c("ecog.ps", "resid.ds", "rx")
b <- c("ECOG-PS", "Residual Disease", "Treatment")
c <- c("ecog.psII", "rxt2", "ecog.psII:rxt2")

gsubfn("\S+", setNames(as.list(b), a), c)
[1] "ecog.psII"      "rxt2"           "ecog.psII:rxt2"

如果我使用特定的模式，那么它会起作用：

gsubfn("ecog.ps", setNames(as.list(b), a), c)
[1] "ECOG-PSII"      "rxt2"           "ECOG-PSII:rxt2"

所以我想我的问题是在函数 gsubfn 中用作参数模式的正则表达式。我检查了这个 R-pub, and Hadley's book 的正则表达式。看来 \S+ 就够了。我尝试了其他正则表达式没有成功：

gsubfn("[:graph:]", setNames(as.list(b), a), c)
[1] "ecog.psII"      "rxt2"           "ecog.psII:rxt2"

gsubfn("[:print:]", setNames(as.list(b), a), c)
[1] "ecog.psII"      "rxt2"           "ecog.psII:rxt2"

函数gsubfn中应使用哪种模式来匹配向量(a)和(c)并将(a)替换为(b)？

Answer 1

\S+ 模式完全匹配 ecog.psII 和 ecog.psII:rxt2，列表中没有具有此类名称的项目。您可以从 a 向量动态创建一个模式并使用它来查找您需要的匹配项。

使用

pat <- paste(a, collapse="|")
## Or, if there can be special chars that must be escaped (note . must also be escaped)
pat <- paste(gsub("([][/\\^$*+?.()|{}-])", "\\\1", a), collapse="|")
## => ecog\.ps|resid\.ds|rx

然后使用

gsubfn(pat, setNames(as.list(b), a), c)

如果你不转义特殊字符，你可能会过度匹配（因为 . 匹配任何字符），匹配错误的字符串（如果有量词或其他正则表达式运算符）或者可能发生错误（如果有(、)、不成对的 [ 等字符）。

哪个正则表达式更合适？

Which regular expression is more appropriate?

regex

r

string-substitution

gsub

gsubfn