将两个子模式上的字符串拆分为 data.frame

Question

我有一个字符向量：

s <- "0 / 10 %(% 1 / 11 %-% 2 / 12 %)% 3 / 13"

目标是在 / 和 %*% 上将其拆分为 (x,y) 点和 z 符号：

data.frame(x = c(0,1,2,3), y = c(10,11,12,13), z = c("(", "-", ")", NA),
           stringsAsFactors = FALSE)
  x  y    z
1 0 10    (
2 1 11    -
3 2 12    )
4 3 13 <NA>

备注：

/分点：我想把x / y分成x部分和y部分。
第二次拆分 %*% 应该进入符号列 z，但没有 %；

我尝试了各种版本的 strsplit 但没有成功：

trimws(unlist(strsplit(s, "[/(%*%)]")))
[1] "0" "0" ""  ""  "1" "1" "-" "2" "2" ""  ""  "3" "3"

问题：

- 没有被 (%*%) 捕获，为什么？
我里面有空字符串部分，为什么？
我不知道如何将 split 存储到 z 列中

Answer 1

这解决了您的问题：


str <- "0 / 10 %(% 1 / 11 %-% 2 / 12 %)% 3 / 13"

str_sub <- gsub("[%/]","",str) #sub all % and / with ""
str_split <- strsplit(str_sub,"\s+")[[1]] #split by whitespace
str_corr <- c(str_split,rep(NA,3-length(str_split) %% 3)) #correct length, fill the end with NAs

df <- as.data.frame(matrix(str_corr,ncol=3,byrow=TRUE)) #convert to data.frame via matrix
colnames(df) <- c("x","y","z") #set colnames

^{由 reprex package (v0.2.1)}

于 2019-04-09 创建

致您的第一期：

%*% 不捕获 - 因为您要求正则表达式重复 % 0 次或更多次（使用 *）但不要求 -.

Answer 2

这很微妙，因为 strsplit(s, '%[(-)]%') 丢弃了您的拆分模式，这对于 '/' 是可以的，但对于捕获百分比之间的中间字符则不行。如果你保证在正确的百分比之后有一个 space，你可以做 strsplit(s, '% ');否则，您将需要一个带有数字右前瞻断言的正则表达式。

做两次拆分更容易也更清晰：第一次拆分在“%”右百分比上：

s2 <- strsplit(s, '% ')[[1]]

"0 / 10 %(" "1 / 11 %-" "2 / 12 %)" "3 / 13"

现在您对“/”和左百分号字符进行第二次拆分：

> strsplit(s2, '[%/]')

[[1]]
[1] "0 "   " 10 " "("   

[[2]]
[1] "1 "   " 11 " "-"   

[[3]]
[1] "2 "   " 12 " ")"   

[[4]]
[1] "3 "  " 13"

这个有点破烂；最后一行没有符号。因为在你的情况下，假设只发生在行尾似乎是安全的，最简单的kludge是添加一个'%$%'行尾字符（注意尾随space），然后映射$ -> NA 稍后。

将两个子模式上的字符串拆分为 data.frame

Split string on two subpatterns into data.frame

regex

string

r

strsplit