r - 在R中提取括号中的文本

Question

两个相关的问题。我有文本数据的向量，例如

"a(b)jk(p)"  "ipq"  "e(ijkl)"

并希望轻松地将其分成包含括号外文本的向量：

"ajk"  "ipq"  "e"

和一个包含括号内文本的向量：

"bp"   ""  "ijkl"

有什么简单的方法可以做到这一点？另一个困难是这些可能会变得很大并且有大量（无限）括号。因此，我不能简单地抓住括号中的文本“前/后”，需要一个更智能的解决方案。

Answer 1

括号外的文字

> x <- c("a(b)jk(p)"  ,"ipq" , "e(ijkl)")
> gsub("\\([^()]*\\)", "", x)
[1] "ajk" "ipq" "e"  

括号内的文字

> x <- c("a(b)jk(p)"  ,"ipq" , "e(ijkl)")
> gsub("(?<=\\()[^()]*(?=\\))(*SKIP)(*F)|.", "", x, perl=T)
[1] "bp"   ""     "ijkl"

匹配括号内存在的(?<=\\()[^()]*(?=\\))所有字符，然后以下内容(*SKIP)(*F)使匹配失败。现在它尝试执行刚刚|对剩余字符串进行符号化的模式。所以点.匹配所有尚未跳过的字符。用空字符串替换所有匹配的字符将只给出球拍内的文本。

> gsub("\\(([^()]*)\\)|.", "\\1", x, perl=T)
[1] "bp"   ""     "ijkl"

此正则表达式将捕获括号内的所有字符并匹配所有其他字符。|.or part 有助于匹配除捕获字符之外的所有剩余字符。因此，通过将所有字符替换为组索引 1 中存在的字符，将为您提供所需的输出。

Answer 2

我维护的qdapRegex包中的rm_round函数就是为此而生的：

首先，我们将通过pacman获取并加载包

if (!require("pacman")) install.packages("pacman")
pacman::p_load(qdapRegex)

## 然后我们可以用它来删除和提取你想要的部分：

x <-c("a(b)jk(p)", "ipq", "e(ijkl)")

rm_round(x)

## [1] "ajk" "ipq" "e" 

rm_round(x, extract=TRUE)

## [[1]]
## [1] "b" "p"
## 
## [[2]]
## [1] NA
## 
## [[3]]
## [1] "ijkl"

浓缩b和p使用：

sapply(rm_round(x, extract=TRUE), paste, collapse="")

## [1] "bp"   "NA"   "ijkl"