拆分字符串在 R 中保留空格

Question

我想使用 readr::read_fwf 从原始文本准备 table。有一个参数 col_position 负责确定列宽，在我的情况下可能会有所不同。 Table 始终包含 4 列，并且基于字符串中的 4 个第一个单词，例如： category variable description value sth

> text_for_column_width = "category    variable   description      value      sth"
> nchar("category    ")
[1] 12
> nchar("variable   ")
[1] 11
> nchar("description      ")
[1] 17
> nchar("value      ")
[1] 11

我想获得 4 个第一个单词，但保持 spaces 具有 category 和 8[a-b]+4[spaces] 个字符，最后创建一个向量，其中包含四个名字 c(12,11,17,11) 中每一个的字符。我尝试将 strsplit 与 space split 参数一起使用，然后计算现有的零，但我相信使用正确的正则表达式会有更快的方法。

Answer 1

一个可能的解决方案，使用stringr：

library(tidyverse)

text_for_column_width = "category    variable   description      value      sth"

strings <- text_for_column_width %>% 
  str_remove("sth$") %>% 
  str_split("(?<=\s)(?=\S)") %>% 
  unlist

strings

#> [1] "category    "      "variable   "       "description      "
#> [4] "value      "

strings %>% str_count

#> [1] 12 11 17 11

Answer 2

您可以使用 utils::strcapture:

text_for_column_width = "category    variable   description      value      sth"
pattern <- "^(\S+\s+)(\S+\s+)(\S+\s+)(\S+\s*)"
result <- utils::strcapture(pattern, text_for_column_width, list(f1 = character(), f2 = character(), f3 = character(), f4 = character()))
nchar(as.character(as.vector(result[1,])))
## => [1] 12 11 17 11

见regex demo。 ^(\S+\s+)(\S+\s+)(\S+\s+)(\S+\s*) 匹配

^ - 字符串开头
(\S+\s+) - 第 1 组：一个或多个非空白字符，然后是一个或多个空白字符
(\S+\s+) - 第 2 组：一个或多个非空白字符，然后是一个或多个空白字符
(\S+\s+) - 第 3 组：一个或多个非空白字符，然后是一个或多个空白字符
(\S+\s*) - 第 4 组：一个或多个非空白字符，然后是零个或多个空白字符

Answer 3

你也可以使用这个模式：

stringr::str_split("category    variable   description      value      sth", "\s+") %>%
unlist() %>%
purrr::map_int(nchar)

拆分字符串在 R 中保留空格

Split string keeping spaces in R

regex

string

r

tidyverse