在所有空格和标点符号（除了撇号）处进行strsplit

Question

我曾在这里和这里询问有关问题。尝试过归纳总结答案，但失败了。

基本上，我想把一个字符串分成单词、数字和任何类型的标点符号，但是我想保留撇号。以下是我尝试过的，我认为很接近：

x <- "Raptors don't like robots! I'd pay $500.00 to rid them."

strsplit(x, "(\\s+)|(?=[[:punct:]])", perl = TRUE)

## [[1]]
##  [1] "Raptors" "don"     "'"       "t"       "like"    "robots"  "!"             
##  [8] ""   "I"   "'"    "d"  "pay"     "$"       "500"     "."       "00"      "to"         
## [20] "rid"   "them"    "."  

以下是我想要的内容：

## [[1]]
##  [1] "Raptors" "don't"       "like"    "robots"  "!"       ""        "I'd"      
##  [8] "pay"     "$"       "500"   "."   "00"  "to"      "rid"     "them"    "."  

虽然我希望得到一个基本的解决方案，但我想看看其他的解决方案（我相信有人有一个stringr的解决方案），这将使问题更具普适性。

注意：R语言有一个特定的正则表达式系统。您需要了解R语言才能回答此问题。

- Tyler Rinker

---

（好奇）R的正则表达式有什么特别之处？ - Jongware

我很困惑，你提供的第一个链接与这个问题不完全相同吗？ - eddi

@Jongware，例如转义特殊字符存在问题。 - Tyler Rinker

@eddi 第一个问题是删除字符，但这里我不想删除它们，我需要它们。我使用了那两个问题的信息来帮助我尽可能地接近（相似但不完全相同）。 - Tyler Rinker

@TylerRinker 你能用一个例子来解释一下吗？对于你目前的示例：identical(strsplit(x, "[[:space:]]|(?=[^'[:^punct:]])", perl=TRUE), strsplit(x, "(\\s+)|(?!')(?=[[:punct:]])", perl = TRUE)) # [1] TRUE - eddi

@eddi 你说得对。我当时是在测试逗号，所以我认为它们是不同的情况，但实际上另一个解决方案明确表示不要在逗号处分割。我投了关闭票。 - Tyler Rinker

Answer 1

你可以使用负向先行断言(?!')：

strsplit(x, "(\\s+)|(?!')(?=[[:punct:]])", perl = TRUE)
#  [1] "Raptors" "don't"   "like"    "robots"  "!"       ""        "I'd"     "pay"     "$"       "500"     "."       "00"      "to"      "rid"     "them"    "."

- sgibb