正则表达式删除嵌套的括号。

Question

如何在R中使用正则表达式来替换此示例中的嵌套括号:

chf <- "(Mn,Ca,Zn)5(AsO4)2((AsO3)OH)24(H2O)(OH(AsO3))(OH(AsO3)OH)"

所期望的输出是：

"(Mn,Ca,Zn)5(AsO4)2(AsO3OH)24(H2O)(OHAsO3)(OHAsO3OH)"

我正在尝试这个，但是我无法排除嵌套括号内的内容。

> str_replace_all(chf,"\\((\\w+)\\)","(gone)")

[1] "(Mn,Ca,Zn)5(gone)2((gone)OH)24(gone)(OH(gone))(OH(gone)OH)"

- val

Answer 1

您可以使用：

library(gsubfn)
chf <- "(Mn,Ca,Zn)5(AsO4)2((AsO3)OH)24(H2O)(OH(AsO3))(OH(AsO3)OH)"
gsubfn("\\((?:[^()]++|(?R))*\\)", ~ gsub("(^\\(|\\)$)|[()]", "\\1", x, perl=TRUE), chf, perl=TRUE, backref=0)
# => [1] "(Mn,Ca,Zn)5(AsO4)2(AsO3OH)24(H2O)(OHAsO3)(OHAsO3OH)"

\((?:[^()]++|(?R))*\)正则表达式是一个已知的PCRE模式，用于匹配嵌套的括号。一旦找到匹配，gsubfn使用gsub("(^\\(|\\)$)|[()]", "\\1", x, perl=TRUE)删除字符串中所有非初始和非末尾的括号。这里，(^\\(|\\)$)匹配并捕获第一个(和最后一个)为组1，然后使用[()]匹配任何(和)。替换内容是组1的内容。

基于R的等效解决方案：

chf <- "(Mn,Ca,Zn)5(AsO4)2((AsO3)OH)24(H2O)(OH(AsO3))(OH(AsO3)OH)"
gre <- gregexpr("\\((?:[^()]++|(?R))*\\)", chf, perl=TRUE)
matches <- regmatches(chf, gre)
regmatches(chf, gre) <- lapply(matches, gsub, pattern="(^\\(|\\)$)|[()]", replacement="\\1")
> chf
# => "(Mn,Ca,Zn)5(AsO4)2(AsO3OH)24(H2O)(OHAsO3)(OHAsO3OH)"

- Wiktor Stribiżew

---

@val 我也添加了一个基本的 R 解决方案。 - Wiktor Stribiżew