regex - 在正则表达式匹配后的单词后面插入\n

Question

假设我有一长串文本，比如一个段落或更多，并且有一个经常出现的特定单词，我们称其为 KEY。

我想在每个 KEY 之后的单词后面插入一个“\n”。

所以，如果我有字符串KEY Hello this is KEY an example。我希望它看起来像KEY Hello\n这是 KEY an\n示例

如果任务稍微简单一些，并且我只想在 KEY 之后添加\n，那么我可以使用 gsub("KEY","KEY\n",string) 轻松做到这一点,但我不认为正则表达式有一种优雅的方式在匹配后选择单词，即使它确实如此，我也不确定是否可以在 gsub 中使用它。

在我想要的位置添加\n 的好方法是什么？

Answer 1

您可以使用捕获组并引用它。正如 Wiktor Stribiżew 指出的那样，你必须决定如何处理某些场景和具体情况。

对于所提供的示例，查找 KEY 后跟一个空格，后跟非空白字符 1 次或多次 (\\S+)，后跟一个空格:

gsub("(KEY \\S+ )", "\\1\n", string, perl = TRUE)

如果您想更通用地了解“KEY”后面的内容，那么您可以添加一个字符类，包括您允许的内容(或\s 表示任何空白字符，或\W 表示任何非字母数字/下划线字符，正如维克托指出的那样)。像这样的事情:

gsub("(KEY[., ;!?]\\S+ )", "\\1\n", string, perl = TRUE)
gsub("(KEY\\s\\S+ )", "\\1\n", string, perl = TRUE)
gsub("(KEY\\W+\\S+ )", "\\1\n", string, perl = TRUE)

在字符类部分中放置您想要的任何标点符号[., ;!?]

---

Wiktor 的变体可能更强大一点:

gsub("(KEY\\s+\\S+\\s*)", "\\1\n", string)  # \s = white-space character
                                            # \S = non-white-space character
gsub("(KEY\\W+\\w+\\s*)", "\\1\n", string) # \w for alphanumeric/underscore
                                           # \W for the opposite of \w.

这些变体不需要在下一个单词后有空格(\\s* 表示 0 个或多个空白字符)，并且它们可以匹配 KEY 之后的一个或多个空白字符或一个或KEY 之后有更多非字母数字/下划线。