从文本文件中可靠地提取 R 函数的名称

Question

我想找到我在 R 脚本中经常使用的命名函数（忽略“+”、“$”和“[”等运算符）。如何编写优雅可靠的正则表达式来匹配函数名称难倒我了。这里是一个小例子和我到目前为止笨拙的代码。我欢迎更干净、更可靠、更全面的代码。

test1 <- "colnames(x) <- subset(df, max(y))" 
test2 <- "sat <- as.factor(gsub('International', 'Int'l', sat))"
test3 <- "score <- ifelse(str_detect(as.character(sat), 'Eval'), 'Importance', 'Rating')"
test <- c(test1, test2, test3)

测试对象包括八个函数（colnames、subset、max、as.factor、gsub、ifelse、str_detect、as.character），前两个两次。匹配它们的迭代一是：

(result <- unlist(strsplit(x = test, split = "\(")))
 [1] "colnames"                               "x) <- subset"                          
 [3] "df, max"                                "y)"                                    
 [5] "sat <- as.factor"                       "gsub"                                  
 [7] "'International', 'Int'l', sat)))"       "score <- ifelse"                       
 [9] "str_detect"                             "as.character"                          
[11] "sat), 'Eval'), 'Importance', 'Rating')"

然后，一系列手工制作的 gsubs 清理这个特定测试集的结果，但这些手动步骤无疑会达不到其他不那么人为的字符串（我在下面提供了一个）。

(result <- gsub(" <- ", " ", gsub(".*\)", "", gsub(".*,", "", perl = TRUE, result))))
 [1] "colnames"      " subset"       " max"          ""              "sat as.factor" "gsub"          ""             
 [8] "score ifelse"  "str_detect"    "as.character"

下面的对象 test4 包括函数 lapply、function、setdiff、unlist、sapply 和 union。它也有缩进，所以有内部间距。我把它包括在内，以便读者可以尝试更困难的情况。

test4 <- "contig2 <- lapply(states, function(state) {
                             setdiff(unlist(sapply(contig[[state]], 
                                                   function(x) { contig[[x]]})), union(contig[[state]], state))"

(result <- unlist(strsplit(x = test4, split = "\("))) 
(result <- gsub(" <- ", " ", gsub(".*\)", "", gsub(".*,", "", perl = TRUE, result))))

顺便说一句，这个 SO 问题与提取整个函数以创建包有关。 A better way to extract functions from an R script?

第一个答案后编辑

test.R <- c(test1, test2, test3) # I assume this was your first step, to create test.R
save(test.R,file = "test.R") # saved so that getParseData() could read it
library(dplyr)
tmp <- getParseData(parse("test.R", keep.source=TRUE))
tmp %>% filter(token=="SYMBOL") # token variable had only "SYMBOL" and "expr" so I shortened "SYMBOL_FUNCTION_CALL"
  line1 col1 line2 col2 id parent  token terminal text
1     1    1     1    4  1      3 SYMBOL     TRUE RDX2
2     2    1     2    1  6      8 SYMBOL     TRUE    X

所有文本都出现了问题。我应该怎么做？

Answer 1

正则表达式可能有用，但您可以使用 R 本身来帮助您。我将你的四行代码放入一个文件 test.R，修复了语法问题 & 运行以下内容：

library(dplyr)

tmp <- getParseData(parse("test.R", keep.source=TRUE))

tmp %>% filter(token=="SYMBOL_FUNCTION_CALL")

##   line1 col1 line2 col2  id parent                token terminal         text
## 1      1    1     1    8   1      3 SYMBOL_FUNCTION_CALL     TRUE     colnames
## 2      1   16     1   21  11     13 SYMBOL_FUNCTION_CALL     TRUE       subset
## 3      1   27     1   29  19     21 SYMBOL_FUNCTION_CALL     TRUE          max
## 4      2    8     2   16  39     41 SYMBOL_FUNCTION_CALL     TRUE    as.factor
## 5      2   18     2   21  42     44 SYMBOL_FUNCTION_CALL     TRUE         gsub
## 6      3   10     3   15  72     74 SYMBOL_FUNCTION_CALL     TRUE       ifelse
## 7      3   17     3   26  75     77 SYMBOL_FUNCTION_CALL     TRUE   str_detect
## 8      3   28     3   39  78     80 SYMBOL_FUNCTION_CALL     TRUE as.character
## 9      5   12     5   17 119    121 SYMBOL_FUNCTION_CALL     TRUE       lapply
## 10     6    3     6    9 134    136 SYMBOL_FUNCTION_CALL     TRUE      setdiff
## 11     6   11     6   16 137    139 SYMBOL_FUNCTION_CALL     TRUE       unlist
## 12     6   18     6   23 140    142 SYMBOL_FUNCTION_CALL     TRUE       sapply
## 13     8   11     8   15 191    193 SYMBOL_FUNCTION_CALL     TRUE        union

如您所见，text 列包含您调用的函数的名称。这应该适用于所有语法正确的 R 文件。

请注意，它不会评估代码，只是对其进行解析。

编辑 test.R 看起来像这样：

colnames(x) <- subset(df, max(y))
sat <- as.factor(gsub('International', 'Int\'l', sat))
score <- ifelse(str_detect(as.character(sat), 'Eval'), 'Importance', 'Rating')

contig2 <- lapply(states, function(state) {
  setdiff(unlist(sapply(contig[[state]],
                        function(x) { contig[[x]]})),
          union(contig[[state]], state))})

Answer 2

问题中的代码没有有效的语法，但如果我们更正它：

test1 <- "colnames(x) <- subset(df, max(y))" 
test2 <- "sat <- as.factor(gsub('International', 'Intl', sat))"
test3 <- "score <- ifelse(str_detect(as.character(sat), 'Eval'), 'Importance', 'Rating')"
test <- c(test1, test2, test3)

那么我们可以使用codetools包中的findGlobals：

library(codetools)

f.text <- c("function(){", test, "}")
f <- eval(parse(text = f.text))
funs <- findGlobals(f, merge = FALSE)$functions

给予：

 > funs
 [1] "{"            "<-"           "as.character" "as.factor"    "colnames<-"  
 [6] "gsub"         "ifelse"       "max"          "str_detect"   "subset"

不清楚您希望排除哪些函数，但如果 F 是包含它们的字符向量，那么 setdiff(funs, F) 将给出除那些之外的所有函数。

另见 Finding out which functions are called within a given function and: Generating a Call Graph in R

从文本文件中可靠地提取 R 函数的名称

Reliably extract names of R functions from a text file

regex

r