如何仅删除单个括号并保留成对的括号

Question

大家好，我是你们亲爱的老师/同行R用户。

最近我开始认真学习正则表达式，在学习过程中遇到了一个情况：我们只想保留成对的括号()，而忽略那些不成对的。以下是我的样例数据：

structure(list(t1 = c("Book (Pg 1)", "(Website) Online)", "Journal: 2018)", 
"Book1 (pg 2) book 3 (pg4)  something)")), class = "data.frame", row.names = c(NA, 
-4L))

我期望的输出结果如下：

structure(list(t1 = c("Book (Pg 1)", "(Website) Online", "Journal: 2018", 
"Book1 (pg 2) book 3 (pg4)  something")), class = "data.frame", row.names = c(NA, 
-4L))

我自己用以下代码成功实现了，但我想肯定有更有效的方法。事实上，我想学习其他实现类似结果的方法：

test$t2 <- gsub("([(]?.*[)]?\\s+[^(]\\w+)[)]|([(].*[)])", "\\1\\2", test$t1)
test

                                     t1                                   t2
1                           Book (Pg 1)                          Book (Pg 1)
2                     (Website) Online)                     (Website) Online
3                        Journal: 2018)                        Journal: 2018
4 Book1 (pg 2) book 3 (pg4)  something) Book1 (pg 2) book 3 (pg4)  something

我的正则表达式出现问题，当我交换 | 操作符中RHS和LHS的位置时，无法得到期望的结果，这让我很好奇。我希望您能简要解释如何解决这些问题。非常感谢您的帮助。

- Anoushiravan R

Answer 1

相当直接明了：

\([^()]*\)(*SKIP)(*FAIL)|[()]+

使用perl = T参数。

---

简单解释一下：

\([^()]*\)(*SKIP)(*FAIL) # match any balanced parenthesis construct and let the engine skip it
|                        # or
[()]+                    # match single parentheses

查看回溯控制动词，并在regex101.com上查看演示。

- Jan

Answer 2

您可以使用

> gsub("\\([^()]*\\)(*SKIP)(*F)|[()]", "", df$t1, perl=TRUE)
[1] "Book (Pg 1)"                          "(Website) Online"                    
[3] "Journal: 2018"                        "Book1 (pg 2) book 3 (pg4)  something"

查看R在线演示和正则表达式演示。

详细说明

• \([^()]*\)(*SKIP)(*F) - 匹配一个(字符，后跟零个或多个非(和)字符，然后是一个)字符，匹配的文本被丢弃，下一次匹配从失败位置开始搜索
• | - 或
• [()] - 匹配一个(或)字符。

如果您需要跳过平衡的、嵌套的括号，可以使用

gsub("(\\((?:[^()]++|(?-1))*\\))(*SKIP)(*F)|[()]", "", df$t1, perl=TRUE)

在这里，(\((?:[^()]++|(?-1))*\))(*SKIP)(*F)匹配并跳过任何嵌套括号之间的子字符串（例如(aa (bb(c)x)x)），|[()]匹配其他上下文中的任何(和)。

请参见此正则表达式演示。 (*SKIP)和(*F)（=(*FAIL)）PCRE动词的含义为：

- (*SKIP) - 引擎前进到与在模式中遇到(*SKIP)相应的字符串位置，并从该位置开始新的匹配尝试，或者引擎跳转到匹配(*SKIP)的字符串位置，可能节省了大量无效的匹配尝试。 - (*F) - 向正则表达式引擎发出失败信号，如果适用则触发回溯（由于|选择运算符，这里会触发回溯）。请注意，(*F)与(?!)相同，即如果右侧有任何内容，则失败。

- Wiktor Stribiżew

---

非常感谢您的回答。我有点难以理解这里的(*SKIP)和(*F)是什么意思。如果您能向我解释一下，我将不胜感激。 - Anoushiravan R

@Jan非常感谢您的回复和答案。是的，您说得对，我现在会检查它们。 - Anoushiravan R

@AnoushiravanR 我添加了简要说明。实际上，我很少在答案中详细解释PCRE动词，我总是认为简短的模式说明就足够了。如果简要信息不清楚，请告诉我。 - Wiktor Stribiżew

非常感谢您，亲爱的@WiktorStribiżew先生，您是正确的，我只需要花时间学习它们，因为这些概念对我来说是新的，但这是一个让我学习更高级东西的绝佳机会，感谢您。如果我有问题，我会告诉您，我非常感激您的帮助。 - Anoushiravan R

@AnoushiravanR 你好，我开始在Youtube上上传一些正则表达式视频，如果你想学习更多关于正则表达式的知识，可以随时查看。由于我是一个Youtubing的新手，我会非常感激任何建议。 - Wiktor Stribiżew

你好，亲爱的Wiktor。非常感谢您告知我有关正则表达式教程的信息。我一定会非常感兴趣地查看它们，并在此提前感谢您与他人分享您的知识。 - Anoushiravan R

Answer 3

(\\([^)]*\\))*|\\)* 正则表达式可能解决问题

可以在这里看到正则表达式的解释说明

• 2个备选项匹配。第一个被捕获，第二个没有被捕获。因此第一个被包含在()中，第二个没有
• \\( 匹配文字 (
• [^)] 匹配除了文字 ) 以外的所有内容
• * 连续匹配前面的标记。由于没有匹配 )，它一直到第一对 ) 的结尾
• \\) 匹配 )
• 括号组后面的 * 匹配任意数量的这些
• 第二个备选项匹配 )
• 所有匹配都用第一个捕获组 \\1 替换
• 因此，您想要的结果

test <- structure(list(t1 = c("Book (Pg 1)", "(Website) Online)", "Journal: 2018)", 
                              "Book1 (pg 2) book 3 (pg4)  something)")), class = "data.frame", row.names = c(NA, 
                                                                                                             -4L))
test
#>                                      t1
#> 1                           Book (Pg 1)
#> 2                     (Website) Online)
#> 3                        Journal: 2018)
#> 4 Book1 (pg 2) book 3 (pg4)  something)

gsub('(\\([^)]*\\))*|\\)*', '\\1', test$t1)

#> [1] "Book (Pg 1)"                         
#> [2] "(Website) Online"                    
#> [3] "Journal: 2018"                       
#> [4] "Book1 (pg 2) book 3 (pg4)  something"

^{这段内容是由reprex包(v2.0.0)于2021年07月04日创建的。}

- AnilGoyal

---

请问您能否简单解释一下您的正则表达式大师Anil？ - Anoushiravan R