当连字符包围单个内部字符时如何替换字内连字符

Question

在标记之前，我希望保留文本中的字内连字符。策略包括用连字符代替唯一字符，然后在标记后用连字符替换该唯一字符。注意:我最终将使用Pd的Unicode类来捕获所有形式的破折号字符，但是这里我保持简单，因为我认为这个部分与问题无关。

问题:当一个单词包含分隔单个字符的多个内连字符时，它会失败。

实例和期望的结果：

replaceDash <- function(x) gsub("(\\w)-(\\w)", "\\1§\\2", x)

# these are all OK
replaceDash("Hawaii-Five-O")  
## [1] "Hawaii§Five§O"
replaceDash("jack-of-all-trades")  
## [1] "jack§of§all§trades"
replaceDash("A-bomb")         
## [1] "A§bomb"
replaceDash("freakin-A")      
## [1] "freakin§A"

# not the desired outcome
replaceDash("jack-o-lantern")  # FAILS - should be "jack§o§lantern"
## [1] "jack§o-lantern"
replaceDash("Whack-a-Mole")    # FAILS - should be "Whack§a§Mole"
## [1] "Whack§a-Mole"

对于gsub()的第一个和第二个表达式，我需要什么正则表达式？

Answer 1

您可以使用带有前瞻性的PCRE正则表达式，检查一个单词字符是否出现在连字符之后，但不会使用它。

replaceDash <- function(x) gsub("(\\w)-(?=\\w)", "\\1§", x, perl=T)

请参阅IDEONE演示

因此，(\\w)将字母数字符号捕获到第1组中，该符号随后在\\1反向引用的帮助下插入替换结果中，使用(?=\\w)我们只确保有一个单词字符，但是regex索引停留在连字符处，从而允许从该单词字符中进行下一次匹配。

Answer 2

您没有指定允许使用哪种regex功能。下面是一种使用零的模式--看看周围：

gsub("(?<=\\w)-(?=\\w)", "§", "jack-o-lantern");
# jack§o§trade