在R语言中，如何将字符串按空格分割，但不在单引号内的空格不进行分割？

Question

我有一组复杂且难以理解的字符串需要拆分：

vec <- c("'01'", "'01' '02'", 
         "#bateau", "#bateau #batiment",
         "#'autres 32'", "#'autres 32' #'batiment 30'", "#'autres 32' #'batiment 30' #'contenu 31'",
         "#'34'", "#'34' #'33' #'35'")
vec
[1] "'01'"                                      "'01' '02'"                                
[3] "#bateau"                                   "#bateau #batiment"                        
[5] "#'autres 32'"                              "#'autres 32' #'batiment 30'"              
[7] "#'autres 32' #'batiment 30' #'contenu 31'" "#'34'"                                    
[9] "#'34' #'33' #'35'" 

我需要将字符串按照空格()分割，但是在'之间的空格不应该被分割。因此，在上面的示例中，'01' '02' 将变为 '01' 和 '02'，而 #'autres 32' #'batiment 30' 将变为 #'autres 32' 和 #'batiment 30'。

我已经尝试从这个问题中获得灵感，但是没有成功：

strsplit(vec, "(\\s[^']+?)('.*?'|$)")

由于此解决方案分割了一些不该分割的空格，导致我丢失了一些信息。

拆分后的结果应该类似于：

res <- c("'01'", "'01'", "'02'", 
         "#bateau", "#bateau", "#batiment",
         "#'autres 32'", "#'autres 32'", "#'batiment 30'", "#'autres 32'", "#'batiment 30'", "#'contenu 31'",
         "#'34'", "#'34'", "#'33'", "#'35'")

应该使用什么正则表达式来拆分这个字符串？

谢谢

- Bastien

Answer 1

你可以使用

strsplit(vec, "'[^']*'(*SKIP)(*F)|\\s+", perl=TRUE)

请看R演示和正则表达式演示。

细节

• '[^']*'(*SKIP)(*F) - 匹配'，然后是除'之外的0个或多个字符（参见[^']*），接着是'。匹配到的文本将被丢弃，并从当前匹配失败的位置开始搜索下一个匹配项（参见(*SKIP)(*F)）
• | - 或
• \s+ - 1个或多个空格字符。

由于它是一个PCRE模式，所以perl=TRUE是必须的。

- Wiktor Stribiżew