r - R strsplit 与多个无序拆分参数？

Question

给定一个字符串

test_1<-"abc def,ghi klm"
test_2<-"abc, def ghi klm"

我想获得

"abc"
"def"
"ghi"

但是，使用 strsplit，必须知道字符串中拆分值的顺序，因为 strsplit 使用第一个值进行第一次拆分，第二个进行第二次...然后循环使用。

但这不会：

strsplit(test_1, c(",", " "))
strsplit(test_2, c(" ", ","))

strsplit(test_2, split=c("[:punct:]","[:space:]"))[[1]]

我希望在一步中找到任何拆分值的地方拆分字符串。

Answer 1

实际上strsplit也使用 grep 模式。（逗号是正则表达式元字符，而空格不是；因此需要对模式参数中的逗号进行双重转义。因此，使用 of"\\s"将更多地提高可读性而不是必要的）：

> strsplit(test_1, "\\, |\\,| ")  # three possibilities OR'ed
[[1]]
[1] "abc" "def" "ghi" "klm"

> strsplit(test_2, "\\, |\\,| ")
[[1]]
[1] "abc" "def" "ghi" "klm"

如果不同时使用\\,and \\, （请注意 SO 未显示的额外空间），您将获得一些 character(0) 值。如果我写的话可能会更清楚：

> strsplit(test_2, "\\,\\s|\\,|\\s")
[[1]]
[1] "abc" "def" "ghi" "klm"

@Fojtasek 非常正确：使用字符类通常可以简化任务，因为它创建了一个隐含的逻辑 OR：

> strsplit(test_2, "[, ]+")
[[1]]
[1] "abc" "def" "ghi" "klm"

> strsplit(test_1, "[, ]+")
[[1]]
[1] "abc" "def" "ghi" "klm"

Answer 2

如果你不喜欢正则表达式，你可以strsplit()多次调用：

strsplits <- function(x, splits, ...)
{
    for (split in splits)
    {
        x <- unlist(strsplit(x, split, ...))
    }
    return(x[!x == ""]) # Remove empty values
}

strsplits(test_1, c(" ", ","))
# "abc" "def" "ghi" "klm"
strsplits(test_2, c(" ", ","))
# "abc" "def" "ghi" "klm"

为添加的示例更新

strsplits(test_1, c("[[:punct:]]","[[:space:]]"))
# "abc" "def" "ghi" "klm"
strsplits(test_2, c("[[:punct:]]","[[:space:]]"))
# "abc" "def" "ghi" "klm"

但是如果你要使用正则表达式，你不妨使用@DWin 的方法：

strsplit(test_1, "[[:punct:][:space:]]+")[[1]]
# "abc" "def" "ghi" "klm"
strsplit(test_2, "[[:punct:][:space:]]+")[[1]]
# "abc" "def" "ghi" "klm"

Answer 3

你可以和strsplit(test_1, "\\W").

Answer 4

 test_1<-"abc def,ghi klm"
 test_2<-"abc, def ghi klm"
 key_words <- c("abc","def","ghi")
 matches <- str_c(key_words, collapse ="|")
 str_extract_all(test_1, matches)
 str_extract_all(test_2, matches)