如何替换单个字符周围的连字符

Question

我希望在分词之前保留单词内部的连字符。这个策略包括用一个唯一的字符替换连字符，然后在分词后再将该唯一字符替换为连字符。注意：最终我将使用Unicode类Pd来捕获所有形式的破折号字符，但在这里我保持简单，因为我认为这部分与问题无关。

问题：当一个单词包含多个内部连字符分隔一个单字符时，它会失败。

示例和期望结果：

replaceDash <- function(x) gsub("(\\w)-(\\w)", "\\1§\\2", x)

# these are all OK
replaceDash("Hawaii-Five-O")  
## [1] "Hawaii§Five§O"
replaceDash("jack-of-all-trades")  
## [1] "jack§of§all§trades"
replaceDash("A-bomb")         
## [1] "A§bomb"
replaceDash("freakin-A")      
## [1] "freakin§A"

# not the desired outcome
replaceDash("jack-o-lantern")  # FAILS - should be "jack§o§lantern"
## [1] "jack§o-lantern"
replaceDash("Whack-a-Mole")    # FAILS - should be "Whack§a§Mole"
## [1] "Whack§a-Mole"

gsub() 的第一和第二个表达式需要哪些正则表达式模式？

- Ken Benoit

---

请发布更多需要更改的输入字符串，也许可以想出一个不需要先替换任何内容就能执行的解决方案。 - Jan

gsub("(\\b)-(\\b)", "\\1§\\2", "jack-o-lantern") 是什么意思？ - lukeA

gsub("(?<=\\w)-(?=\\w)", "§", "jack-o-lantern",perl=T) 是什么意思？ - NicE

尝试使用gsub("(\\w)-(?=\\w)", "\\1§", "jack-o-lantern", perl=T)。顺便说一句，不需要使用lookbehind，因为它是一个相当昂贵的子模式。请参见IDEONE演示。 - Wiktor Stribiżew

很好的解决方案，都能工作！而且解释非常有用。使用这个版本有什么理由比@lukeA更简单的建议？ - Ken Benoit

Answer 1

您可以使用带有正向先行断言的PCRE正则表达式，它将检查是否在连字符之后紧跟着一个字母字符，但不会“消耗”该字符。

replaceDash <- function(x) gsub("(\\w)-(?=\\w)", "\\1§", x, perl=T)

请参见IDEONE演示 因此，(\\w)将一个字母数字符号捕获到第1组中，后面通过\\1反向引用将其插入替换结果中，并通过(?=\\w)确保存在单词字符，但是正则表达式索引停留在连字符处，从而允许下一个匹配来自该单词字符。

- Wiktor Stribiżew

Answer 2

您没有指定允许使用哪种正则表达式功能。这里是一个使用零宽度环视的模式：

gsub("(?<=\\w)-(?=\\w)", "§", "jack-o-lantern");
# jack§o§trade

- PBI

---

你没有解释就发布了别人的建议，这不公平。 - Wiktor Stribiżew

@WiktorStribiżew 请发布您的答案，它很好 :) - NicE

@NicE：写一篇帖子需要时间 :) - Wiktor Stribiżew

是的，确实需要时间来写一篇文章。我的帖子和其他建议同时出现了。但事实上，你的建议更好。 - PBI