Манипуляции со строками в R: удаление указанного шаблона c в нескольких местах без удаления текста между экземплярами шаблона

Question

В R я пытаюсь написать код, который будет работать с любыми адаптациями строкового шаблона. Пример строки:

string <- "y ~ 1 + a + (b | c) + (d^2) + e + (1 | f) + g"

Я хотел бы удалить ТОЛЬКО те части, которые содержат шаблон «(, |,)», например:

(b | c) и (1 | f)

и оставить с:

"y ~ 1 + a + (d^2) + e + g"

Обратите внимание, что символы могут изменять значения (например, 'b' может становиться '1' и 'c 'может стать' предсказателем '), и я бы хотел, чтобы код по-прежнему работал. Пробелы также не требуются для строки, это также может быть «y ~ 1 + a + (b | c) + (d ^ 2) + e + (1 | f) + g» или любая комбинация пробела / no- пространство оного. Порядок символов также может измениться на «y ~ 1 + a + (b | c) + e + (1 | f) + (d ^ 2) + g».

Я пробовал использование базовых функций обработки строк R (gsub и sub) для поиска шаблона "(, |,)" с использованием вариантов шаблона, таких как:

"\\(.*\\|.*\\)"
"\\(.*\\|"
"\\(.+\\|.+\\)"
"\\|.+\\)"

, а также многих функций stringr найти и заменить этот узор на пробел. Однако, когда я использую как базовый R, так и stringr, когда я это делаю, он удаляет ВСЕ, например:

gsub("\\(.*\\|.*\\)", "", string)

дает:

"y ~ 1 + a +  + g"

и

gsub("\\(.*\\|", "", string)

производит:

"y ~ 1 + a +  f) + g"

Я дополнительно пробовал использовать функции str_locate, но у меня возникли проблемы с их эффективным использованием, так как существует несколько наборов круглых скобок, и мне нужны только местоположения экземпляров с "| " между ними.

Любая помощь приветствуется.

Answer 1

1) gsubfn Определите функцию, которая возвращает пустую строку или ее ввод в зависимости от того, есть ли на входе | или нет и запустить с ним gsubfn. gsubfn похож на gsub, за исключением того, что строка замены может быть функцией, которая принимает совпадение как ввод и заменяет его выводом функции.

library(gsubfn)

pick <- function(x) if (grepl("|", x, fixed = TRUE)) "" else trimws(x)
gsubfn("[+] *[(].*?[)]", pick, string, perl = TRUE)
## [1] "y ~ 1 + a  + (d^2) + e  + g"

2) Base R Разделение ввода в термины и найдите без |. Затем соедините то, что осталось, используя reformulate.

s <- trimws(grep("\\|", strsplit(string, "[~+]")[[1]], invert = TRUE, value = TRUE))
reformulate(format(s[-1]), s[1])
## y ~ 1 + a + (d^2) + e + g

3) getTerms Это также использует только базовый R, но сначала преобразует строку в выражение, представляющее формулу, и анализирует его с использованием getTerms, найденного в этом сообщении SO: Термины суммы в выражении R Затем выполняется как в (2).

p <- parse(text = string)[[1]]
s <- grep("\\|", getTerms(p[[3]]), value = TRUE, invert = TRUE)
reformulate(s, p[[2]])
## y ~ 1 + a + (d^2) + e + g

Answer 2

Используя gsub мы можем добиться желаемых результатов.

model_texts <- c("y ~ 1 + a + (b | c) + (d^2) + e + (1 | f) + g",
"y~1+a+(b|c)+(d^2)+e+(1|f)+g" ,                 
"y~1+a+(b|c)+e+(1|f)+(d^2)+g" )   

pattern <- "\\(\\w ?\\| ?\\w ?\\) ?\\+ ?"

# tests

vapply(model_texts, function(x) gsub(pattern, "", x), "")

    "y ~ 1 + a + (d^2) + e + g" 
    "y~1+a+(d^2)+e+g" 
    "y~1+a+e+(d^2)+g" 

Answer 3

Вы можете использовать gsub со следующим регулярным выражением, чтобы заменить совпадения пустыми строками.

"^\\([^|)]+\\|[^)]+\\) *\\+ ?| \\+? *\\([^|)]+\\|[^)]+\\)"

Запустите свой R-движок!

Это регулярное выражение простой в том смысле, что он не содержит поисковых запросов или более сложных функций регулярных выражений, поэтому не требует perl=TRUE. Это приводит к тому, что строка:

(h|i) + y ~ 1 + a + (b | c) + (d^2) + e + (1 | f) + g +(j+k| m)

становится ¹ :

y ~ 1 + a  + (d^2) + e  + g

Первая часть чередования,

^\\([^|)]+\\|[^)]+\\) *\\+ ?

- это необходимо в случае, если (..|..) начинает строку (как и (h|i) в моем примере), и в этом случае перед ней не стоит знак плюс.

Следующая ссылка на regex101.com использует эквивалентное регулярное выражение для двигатель PCRE (PHP). Я включил это, чтобы позволить читателю изучить, как работает каждая часть регулярного выражения. (Переместите курсор, чтобы увидеть, как на экране волшебным образом всплывают интересные детали.)

Запустите двигатель PCRE!

^{1. Обратите внимание, что после 'a' и 'e' есть дополнительный пробел. Я предположил, что это не проблема.}