使用定界符拆分字符串，除非在括号中，并保留定界符

Question

我想拆分任意字符串，例如

x <- "(((K05708+K05709+K05710+K00529) K05711),K05712),K05713 K05714 K02554"
# [1] "(((K05708+K05709+K05710+K00529) K05711),K05712),K05713 K05714 K02554"

at delimiter(s)（这里是一个 space 和一个逗号）除非它们在括号内，并且还保留分隔符作为输出的一部分

[[1]]
[1] "(((K05708+K05709+K05710 K00529) K05711),K05712)"                
[2] ",K05713"                          " K05714"                         
[4] " K02554"

这个例子几乎是直接从 IgnacioF 的 (https://whosebug.com/users/5935889/ignaciof) post ，因为这个例子仅仅是对它的扩展，而且在知道的人手中，解决方案也可以。

在单个分隔符的情况下，我可以将其粘贴到输出向量元素中，但同时使用多个分隔符时，它们的身份在拆分时会丢失，所以据我所知这是行不通的。

我试图找到使用先行和对原始 post 解决方案的其他修改来保持定界符的解决方案，但主要是因为我不了解其解决方案而徒劳无功。

Answer 1

你可以使用

x <- "(((K05708+K05709+K05710+K00529) K05711),K05712),K05713 K05714 K02554"
rx <- "(\((?:[^()]++|(?1))*\))(*SKIP)(*F)|(?<=[^\s,])(?=[\s,])"
strsplit(x, rx, perl=TRUE)
# => [[1]]
# => [1] "(((K05708+K05709+K05710+K00529) K05711),K05712)" ",K05713" 
# => [3] " K05714"                                         " K02554"

这里的模式是(\((?:[^()]++|(?1))*\))(*SKIP)(*F)|(?<=[^\s,])(?=[\s,])，参见its demo online。

详情:

(\((?:[^()]++|(?1))*\))(*SKIP)(*F) - 第 1 组匹配呈现平衡括号子串的子串：\( 匹配 (，(?:[^()]++|(?1))* 匹配零个或多个（* ) ( 和 ) 以外的 1+ 个字符的序列（参见 [^()]++）或整个第 1 组的整个模式（参见子路由调用 (?1)），然后 \) 匹配文字 ) 并且 (*SKIP)(*F) 使正则表达式丢弃整个匹配的文本，同时将正则表达式索引保留在该匹配的末尾，并继续寻找下一个匹配项
| - 或
(?<=[^\s,])(?=[\s,]) - 空格和逗号以外的字符与空格或逗号字符之间的位置。

使用定界符拆分字符串，除非在括号中，并保留定界符

Split string with delimiter except when in parentheses, and keep the delimiter

regex

r

strsplit