R中的字符串操作：在多个位置删除特定模式，而不删除模式实例之间的文本

Question

在R中，我正在尝试编写代码，以便对字符串模式进行任何调整。字符串的示例如下：

string <- "y ~ 1 + a + (b | c) + (d^2) + e + (1 | f) + g"

我只想删除包含“（，|，）”模式的部分，例如：

（b|c）和（1|f）

并留下：

"y ~ 1 + a + (d^2) + e + g"

请注意，字符可以更改值（例如，“b”可以变成“1”，“c”可以变成“预测器”），我希望代码仍然有效。字符串也不需要空格，它也可以是“y~1 a （b|c） （d^2） e （1|f） g” 或其空格/无空格的任意组合。字符的顺序也可以更改为“y~1 a （b|c） e （1|f） （d^2） g”。

我已经尝试使用基本R字符串操作函数（gsub和sub）通过使用模式的变体来搜索“（，|，）”的模式，例如：

"\\(.*\\|.*\\)"
"\\(.*\\|"
"\\(.+\\|.+\\)"
"\\|.+\\)"

以及许多用于查找此模式并将其替换为空白的 Stringr 函数。但是，同时使用基本 R 和字符串时，当我这样做时会发生什么，它会删除所有内容，例如：

gsub("\\(.*\\|.*\\)", "", string)

生产：

"y ~ 1 + a +  + g"

和

gsub("\\(.*\\|", "", string)

产生：

"y ~ 1 + a +  f) + g"

我还尝试使用str_locate函数，但在有效使用该函数时遇到了问题，因为有多组括号，并且我只希望实例的位置在它们之间带有“|”。

非常感谢任何帮助。

Answer 1

您可以将< code>gsub与下面的正则表达式一起使用，用空字符串替换匹配项。

"^\\([^|)]+\\|[^)]+\\) *\\+ ?| \\+? *\\([^|)]+\\|[^)]+\\)"

启动你的R引擎！

这个正则表达式很简单，因为它不包含任何环顾或更高级的正则表达式功能，因此它不需要 perl=TRUE。这会导致字符串：

(h|i) + y ~ 1 + a + (b | c) + (d^2) + e + (1 | f) + g +(j+k| m)

要成为¹：

y ~ 1 + a  + (d^2) + e  + g

交替的第一部分，

^\\([^|)]+\\|[^)]+\\) *\\+ ?

在（..|..）开始字符串的情况下（在我的示例中，（h|i）

以下到regex101.com的链接对PCRE (PHP)引擎使用了等效的正则表达式。我把它包括进来，是为了让读者了解正则表达式的每个部分是如何工作的。(移动光标，可以看到有趣的细节神奇地出现在屏幕上。)

启动您的PCRE引擎！

^{1. 请注意，“a”和“e”后面有一个额外的空格。我认为这不是问题。}

Answer 2

使用< code>gsub我们可以达到预期的效果。

model_texts <- c("y ~ 1 + a + (b | c) + (d^2) + e + (1 | f) + g",
"y~1+a+(b|c)+(d^2)+e+(1|f)+g" ,                 
"y~1+a+(b|c)+e+(1|f)+(d^2)+g" )   

pattern <- "\\(\\w ?\\| ?\\w ?\\) ?\\+ ?"

# tests

vapply(model_texts, function(x) gsub(pattern, "", x), "")

    "y ~ 1 + a + (d^2) + e + g" 
    "y~1+a+(d^2)+e+g" 
    "y~1+a+e+(d^2)+g" 

Answer 3

1) gsubfn定义一个函数，该函数根据输入是否有|返回空字符串或其输入，并运行< code>gsubfn。gsubfn类似于< code>gsub，只是替换字符串可以是一个函数，它将匹配项作为输入，并用函数的输出替换它。

library(gsubfn)

pick <- function(x) if (grepl("|", x, fixed = TRUE)) "" else trimws(x)
gsubfn("[+] *[(].*?[)]", pick, string, perl = TRUE)
## [1] "y ~ 1 + a  + (d^2) + e  + g"

2）base R将输入拆分为术语并去掉没有|的术语。然后使用重写将剩下的东西放回一起。

s <- trimws(grep("\\|", strsplit(string, "[~+]")[[1]], invert = TRUE, value = TRUE))
reformulate(format(s[-1]), s[1])
## y ~ 1 + a + (d^2) + e + g

3) getTerms这也只使用基数R，但首先将字符串转换为表示公式的表达式，并使用SO post中的< code>getTerms对其进行解析:R表达式中的求和项，然后像(2)中那样进行处理。

p <- parse(text = string)[[1]]
s <- grep("\\|", getTerms(p[[3]]), value = TRUE, invert = TRUE)
reformulate(s, p[[2]])
## y ~ 1 + a + (d^2) + e + g