r-根据使用特定标签对字符串中的字符进行有条件的替换

Question

我想根据某些标记有条件地替换文本中的字符。例如，在以下字符串中。

text <- "In Spanish, Brasil is written as <Brazil>, for some reason."

我想转换尖括号外的文本。我目前知道如何做相反的事情。我可以使用gsub((来识别指定字符串，并使用以下命令更改一些字符：

gsub("(<.*)z(.*?>)", "\1s\2", text)
[1] "In Spanish, Brasil is written as <Brasil>, for some reason."

但我想做的是在不影响尖括号内的文本，例如：

gsub("Brasil", "Brazil", text) 
[1] "In Spanish, Brazil is written as <Brazil>, for some reason."

预期结果，仅更改尖括号外的文本：

[1] "In Spanish, Brazil is written as <Brazil>, for some reason."

我如何有条件地应用替换，使文本在角度内括号不受影响？我是否需要首先根据尖括号的存在来拆分字符串，应用替换项，然后合并所有字符串？或者我可以让它与gsub((和一个条件一起工作吗？

Answer 1

使用环视也有效：

sub("(?<!<)Brasil(?!>)", "Brazil", text, perl = TRUE)

工作原理：

• (?<!<)-反向查找，断言左边的下一个字符必须而不是为文字<
• Brasil-文字字符串Brasil
• (?!>)-否定前瞻，断言右边的下一个字符必须而不是为文字>

请注意，如果每个字符串只有一个替换项，那么sub就足够了。如果要进行多个替换，则使用gsub。

Answer 2

您需要在此处使用PCRE正则表达式(注意perl=TRUE参数(：

gsub("<[^<>]*>(*SKIP)(*F)|Brasil", "Brazil", text, perl=TRUE)

详细信息：

• <[^<>]*>(*SKIP)(*F)-<，除<和>之外的零个或多个字符，然后是>，并且在该位置匹配失败，正则表达式引擎开始从失败位置搜索下一个匹配
• |-或
• Brasil-一个固定的字符序列

请参阅regex演示。

如果你只想"；跳过"；匹配Brasil如果紧接着前面是<，紧跟着

gsub("(?<!<(?=\w+>))Brasil", "Brazil", text, perl=TRUE)

请参阅此regex演示。这里，(?<!<(?=w+>))是一个负查找，如果它前面紧跟着<字符，后面紧跟着一个或多个单词字符和>字符(即，如果Brasil是，前面都是，后面都是<和>字符(，则匹配失败。

请参阅R演示(注意，我在尖括号内用Brasil替换了Brazil，以提高可见性(：

text <- "In Spanish, Brasil is written as <Brasil>, for some reason."
gsub("<[^<>]*>(*SKIP)(*F)|Brasil", "Brazil", text, perl=TRUE)
# => [1] "In Spanish, Brazil is written as <Brasil>, for some reason."
text <- "In Spanish, Brasil is written as <Brasil>, for some reason."
gsub("(?<!<(?=\w+>))Brasil", "Brazil", text, perl=TRUE)
# => [1] "In Spanish, Brazil is written as <Brasil>, for some reason."