Regex替换匹配，但在引号中忽略匹配。

Question

在引号之外出现" and“或" or”或“to "&”和“，然后将其替换，除非在引号中出现。

引号可以是单引号(‘)或双引号(“)。

字符串如下：

Industry ='Education' or Industry =\"Energy\" or Industry = 'Financial or Bank' or Industry = 'Hospitality' or Industry = \"Food and Beverage\"  and Industry = 'Utilities'

预期产出：

Industry ='Education' | Industry =\"Energy\" | Industry = 'Financial or Bank' | Industry = 'Hospitality' | Industry = \"Food and Beverage\"  & Industry = 'Utilities'

我知道我们可能不得不使用围观，但不知道如何使用。在所有的正则表达式操作中，我都使用了stringr包。

如果你需要更多的信息，请告诉我。

Answer 1

您应该考虑一种匹配双引号和单引号子字符串的方法，以省略它们，并且只在所有其他上下文中处理and或or。最简单的方法是使用gsubfn，在这里您可以传递一个PCRE正则表达式，该正则表达式正是这样做的：

> library(gsubfn)
> x <- "Industry ='Education' or Industry =\"Energy\" or Industry = 'Financial or Bank' or Industry = 'Hospitality' or Industry = \"Food and Beverage\"  and Industry = 'Utilities'"
> pat = "(?:\"[^\"]*\"|'[^']*')(*SKIP)(*F)|\\b(and|or)\\b"
> gsubfn(pat, ~ ifelse(z=="or","|", "&"), x, backref=0, perl=TRUE)
[1] "Industry ='Education' | Industry =\"Energy\" | Industry = 'Financial or Bank' | Industry = 'Hospitality' | Industry = \"Food and Beverage\"  & Industry = 'Utilities'"

(?:\"[^\"]*\"|'[^']*')(*SKIP)(*F)|\\b(and|or)\\b模式将匹配：

• (?: -交替组：
  • \"[^\"]*\" -一个双引号子字符串，里面没有双引号
  • | -或
  • '[^']*' -一个单引号子字符串

​

• ) -小组的末端
• (*SKIP)(*F) -放弃比赛，继续寻找下一场比赛
• | -或
• \\b(and|or)\\b -第1组：and或or作为一个整体。

见regex演示。

根据文本"和'在"..."和'...'中转义的方式，您需要调整正则表达式的(?:\"[^\"]*\"|'[^']*')部分。

~ ifelse(z=="or","|", "&")部分是一个回调函数，它接收唯一的参数(在此函数中名为z )，其内容是从正则表达式中获得的匹配值(即or或and)。如果匹配值等于or，则将匹配替换为|、else和&。

Answer 2

这是一种丑陋的方法，但它适用于您的具体情况：

用于或：

(?:'|")(?:.*?)(?:'|")(?:.*?)(or)(?:.*?)

用于和：

(?:'|")(?:.*?)(?:'|")(?:.*?)(and)(?:.*?)

我建议使用https://regex101.com/帮助构建和测试regex。

Answer 3

您的问题存在潜在的问题，因为嵌套的内容可能无法很好地处理，或者完全不能由单个正则表达式处理。尽管如此，如果我们假设您想要用管道替换的or值总是发生在引用字符串之后，那么我们可以尝试如下：

gsub("([\"'])\\s*or", "\\1 |", input)
[1] "Industry ='Education' | Industry =\"Energy\" | Industry = 'Financial or Bank' |
Industry = 'Hospitality' | Industry = \"Food and Beverage\"  and Industry = 'Utilities'"

通过检查，在引号字符串中出现的or值在两边被未引用的单词包围。显然，在看到其他数据或更多嵌套的内容时，可能会出现这种情况。

​

演示

​