如何改进跳过两个单词之一的正则表达式？

Question

我有一条短信，我想将所有 comprata、comprate、comprati、comprato 更改为 comprat+ 和所有 ricomprata、ricomprate、ricomprati、ricomprato 到 ricomprat+。所以我写了这个正则表达式，但它跳过了两个词之一：

testo <- 'ricomprate uno comprato comprata due comprate ricomprate tre ricomprato comprati'
base::gsub('(\s|^)(ri|)comprat[aeio](\s|)', '\1\2comprat+\3', testo)

结果是：

"ricomprat+ uno comprat+ comprata due comprat+ ricomprate tre ricomprat+ comprati"

Answer 1

由于尾部 (\s|) 模式占用了一个空格并阻止了连续匹配，因此您的正则表达式不起作用。

您可以使用像

这样的 PCRE 正则表达式

testo <- 'ricomprate uno comprato comprata due comprate ricomprate tre ricomprato comprati'
gsub('(?<!\S)((?:ri)?comprat)[aeio](?!\S)', '\1+', testo, perl=TRUE)
[1] "ricomprat+ uno comprat+ comprat+ due comprat+ ricomprat+ tre ricomprat+ comprat+"

参见 this regex demo。详情:

(?<!\S) - 左侧空白边界
((?:ri)?comprat) - 第 1 组：一个可选的 ri 字符串，然后是 comprat
[aeio](?!\S) - e、a、i 或 o 后跟右侧空白边界

或者，像

这样的 TRE 正则表达式

testo <- 'ricomprate uno comprato comprata due comprate ricomprate tre ricomprato comprati'
gsub('\b((?:ri)?comprat)[aeio]\b', '\1+', testo)
## => [1] "ricomprat+ uno comprat+ comprat+ due comprat+ ricomprat+ tre ricomprat+ comprat+"

参见R demo online and this regex demo，其中\b代表单词边界。

Answer 2

作为您可能使用的模式

\b((?:ri)?comprat)[aeio]\b

\b 防止部分匹配的单词边界
( 捕获第1组（替换中称为\1）
- (?:ri)? 可选匹配 ri
- comprat 匹配 comprat
) 关闭组 1
[aeio] 匹配任何列出的字符
\b一个单词边界

Regex demo | R demo

在替换使用组1和一个+

testo <- 'ricomprate uno comprato comprata due comprate ricomprate tre ricomprato comprati'
base::gsub('\b((?:ri)?comprat)[aeio]\b', '\1+', testo)

输出

[1] "ricomprat+ uno comprat+ comprat+ due comprat+ ricomprat+ tre ricomprat+ comprat+"

Answer 3

base::gsub('comprat[aeio]', 'comprat+', testo)

输出

[1] "ricomprat+ uno comprat+ comprat+ due comprat+ ricomprat+ tre ricomprat+ comprat+"

如何改进跳过两个单词之一的正则表达式？

How to refine that regex which skips one of two words?

r

regex

gsub