只在括号内替换逗号的Regex

Question

我有一个成分数据集，每一行都是用逗号分隔的成分列表，例如：

燕麦(24%) (卷曲，麸皮)，椰子(13%) (椰子，防腐剂(220,223))，棕色糖，牛奶固体，金色糖浆(10%)，种子(9%) (芝麻，向日葵)，人造奶油(植物油，水，盐，乳化剂(471，大豆卵磷脂)，抗氧化剂(307)，葡萄糖，乳化剂，乳化剂(5%) (糖，植物油，牛奶固体，可可粉，乳化剂(大豆卵磷脂，492)，天然风味)

我希望解析该文件，以用分号替换括号中的逗号。括号内可以有任意数目的括号和任意数量的逗号。结果应该如下所示：

燕麦(24%) (卷曲；麸皮)、椰子(13%) (椰子；防腐剂(220；223))、棕色糖、牛奶固体、金色糖浆(10%)、种子(9%) (芝麻；向日葵)、人造黄油(植物油；水；盐；乳化剂(471；大豆卵磷脂)；抗氧化剂(307)；葡萄糖、牛奶复合剂(5%) (糖；植物油；牛奶固体；可可粉；乳化剂(大豆卵磷脂；492)；天然风味)，天然风味

我能得到一些关于正则表达式的帮助来解决这个问题吗？提前谢谢你。

Answer 1

您可以使用?R类似。

i <- gregexpr("\\(([^()]|(?R))*\\)", s, perl=TRUE)
regmatches(s, i)[[1]] <- gsub(",", ";", regmatches(s, i)[[1]])

s
#[1] "Oats (24%) (Rolled; Bran), Coconut (13%) (Coconut ; Preservative (220; 223)), Brown Sugar, Milk Solids, Golden Syrup (10%), Seeds (9%) (Sesame ; Sunflower), Margarine (Vegetable Oil; Water; Salt; Emulsifiers (471; Soy Lecithin); Antioxidant (307)), Glucose, Milk Choc Compound (5%) (Sugar; Vegetable Oil; Milk Solids; Cocoa Powder; Emulsifiers (Soy Lecithin; 492); Natural Flavour), Natural Flavour"

其中a(?R)z是一个递归，它匹配一个或多个字母a，后面跟着完全相同的字母z。

数据

s <- "Oats (24%) (Rolled, Bran), Coconut (13%) (Coconut , Preservative (220, 223)), Brown Sugar, Milk Solids, Golden Syrup (10%), Seeds (9%) (Sesame , Sunflower), Margarine (Vegetable Oil, Water, Salt, Emulsifiers (471, Soy Lecithin), Antioxidant (307)), Glucose, Milk Choc Compound (5%) (Sugar, Vegetable Oil, Milk Solids, Cocoa Powder, Emulsifiers (Soy Lecithin, 492), Natural Flavour), Natural Flavour"

Answer 2

1) gsubfn --无需使用gsubfn的复杂正则表达式即可完成。由点组成的正则表达式与单个字符匹配。然后，对于输入字符向量中的每个字符串，pre函数将计数器k初始化为0，然后，对于每个匹配项，运行fun，并通过x参数将该字符传递给它。在fun中，计数器k每次遇到(时递增1，每次遇到)时减少1。如果计数器不是零，遇到逗号，则返回分号替换逗号；否则，返回输入字符。这是矢量化的，也就是说，如果输入的s是一个字符向量，那么它也能工作，其中每个组件都应该被分开处理。

library(gsubfn)

p <- proto(k = 0, 
  pre = function(this) this$k <- 0,
  fun = function(this, x) {
    if (x == "(") this$k <- k + 1
    if (x == ")") this$k <- k - 1
    if (k && x == ",") ";" else x
  })
gsubfn(".", p, s)

给予：

[1] "Oats (24%) (Rolled; Bran), Coconut (13%) (Coconut ; Preservative (220; 223)), Brown Sugar, Milk Solids, Golden Syrup (10%), Seeds (9%) (Sesame ; Sunflower), Margarine (Vegetable Oil; Water; Salt; Emulsifiers (471; Soy Lecithin); Antioxidant (307)), Glucose, Milk Choc Compound (5%) (Sugar; Vegetable Oil; Milk Solids; Cocoa Powder; Emulsifiers (Soy Lecithin; 492); Natural Flavour), Natural Flavour"

2) Base R解决方案是将输入拆分为单个字符，给出字符向量列表L.然后对L的每个分量chars创建一个计数器向量k，其长度与chars相同，后者表示(到该点的个数减去)到该点的个数。然后用分号替换与非零k对应的逗号，并将chars转换回单个字符串。类似于(1)这适用于字符向量。

L <- strsplit(s, "")
sapply(L, function(chars) {
  k <- cumsum((chars == "(") - (chars == ")"))
  chars[k & chars == ","] <- ";"
  paste(chars, collapse = "")
})

备注

输入字符串s如下所示。

s <- "Oats (24%) (Rolled, Bran), Coconut (13%) (Coconut , Preservative (220, 223)), Brown Sugar, Milk Solids, Golden Syrup (10%), Seeds (9%) (Sesame , Sunflower), Margarine (Vegetable Oil, Water, Salt, Emulsifiers (471, Soy Lecithin), Antioxidant (307)), Glucose, Milk Choc Compound (5%) (Sugar, Vegetable Oil, Milk Solids, Cocoa Powder, Emulsifiers (Soy Lecithin, 492), Natural Flavour), Natural Flavour"