正则表达式可以单独工作，但在 strsplit 中一起使用时则不起作用

Question

我正在尝试使用 strsplit 在 R 中分割字符串和一个 Perl 正则表达式。该字符串由各种字母数字标记组成，以句点或连字符分隔，例如 "WXYZ-AB-A4K7-01A-13B-J29Q-10" 。我想分割字符串:

• 连字符出现的位置。
• 无论出现句点的位置。
• 位于 token 的第二个和第三个字符之间，长度恰好为 3 个字符，由 2 个数字后跟 1 个大写字母组成，例如 "01A"产生["01", "A"] (但 "012A" 、 "B1A" 、 "0A1" 和 "01A2" 未拆分)。

例如，"WXYZ-AB-A4K7-01A-13B-J29Q-10"应该产生 ["WXYZ", "AB", "01", "A", "13", "B", "J29Q", "10"] .

我当前的正则表达式是 ((?<=[-.]\\d{2})(?=[A-Z][-.]))|[.-]它在 this online regex tester 中完美运行。

此外，替代方案的两个部分 ((?<=[-.]\\d{2})(?=[A-Z][-.]))和[.-] ，当它们单独使用时，两者都用于按照 R 中的预期分割字符串:

#correctly splits on periods and hyphens
strsplit("WXYZ-AB-A4K7-01A-13B-J29Q-10", "[.-]", perl=T)
[[1]]
[1] "WXYZ" "AB"   "A4K7" "01A"  "13B"  "J29Q" "10"

#correctly splits tokens where a letter follows two digits
strsplit("WXYZ-AB-A4K7-01A-13B-J29Q-10", "((?<=[-.]\\d{2})(?=[A-Z][-.]))", perl=T)
[[1]]
[1] "WXYZ-AB-A4K7-01" "A-13"            "B-J29Q-10"

但是当我尝试使用替代方案组合它们时，第二个正则表达式停止工作，并且字符串仅按句点和连字符分割:

#only second alternative is used
strsplit("WXYZ-AB-A4K7-01A-13B-J29Q-10", "((?<=[-.]\\d{2})(?=[A-Z][-.]))|[.-]", perl=T)
[[1]]
[1] "WXYZ" "AB"   "A4K7" "01A"  "13B"  "J29Q" "10"

为什么会发生这种情况？是我的正则表达式有问题，还是 strsplit 有问题？我怎样才能实现预期的行为？

期望的输出:

## [[1]]
## [1] "WXYZ" "AB"   "A4K7" "01"   "A"    "13"   "B"    "J29Q" "10"

Answer 1

另一种方法可以让您不必考虑 strsplit 算法的工作原理，即使用带有 gsub 的原始正则表达式在所有右侧插入一个简单的分割字符位置，然后使用 strsplit 进行简单的拆分。

strsplit(
    gsub("((?<=[-.]\\d{2})(?=[A-Z][-.]))|[.-]", "-", x, perl = TRUE),
    "-", 
    fixed = TRUE)
#[[1]]
#[1] "XYZ"  "02"   "01"   "C"    "33"   "D"    "2285"

当然，RichScriven 的回答和 Wiktor Stribiżew 的评论可能更好，因为它们只有一个函数调用。