R语言：如何简化多可选子串的统一编码与顺序调整流程？

嘿，我懂你想简化排序之后那堆繁琐步骤的心情——原来两次排序加两次去下划线确实有点冗余，咱们可以把这些流程合并得更高效！

优化思路 #

核心是用一次正则分组替换完成排序，再用一次正则搞定所有下划线问题，把原来的4步压缩到2步：

1. 合并排序操作：通过正则捕获eye标识（_r_/_l_）、test标识（_test_）以及前后的其他内容，直接重新排列顺序，把eye和test移到最前面。
2. 合并下划线处理：用一个正则同时移除首尾下划线、合并连续的多下划线，不用分步处理。

优化后的代码 #

# 保留你原来的统一编码步骤（这一步的下划线是为了匹配唯一性，很合理）
clean_test<- gsub("(?<![a-z])(test|method)(?![a-z])", "_test_", tolower(x), perl = TRUE)
clean_r <- gsub("(?<![a-z])(r|re)(?![a-z])", "_r_", tolower(clean_test), perl = TRUE)
clean_l <- gsub("(?<![a-z])(l|le)(?![a-z])", "_l_", tolower(clean_r), perl = TRUE)

# 优化：一步完成排序，把eye、test移到前面，其余内容跟进
sorted <- gsub("^(.*?)(_r_|_l_)(.*?)(_test_)(.*)$", "\\2\\4\\1\\3\\5", clean_l, perl = TRUE)

# 优化：一步处理所有下划线问题
result <- gsub("^_|_$|_{2,}", "", sorted)

# 查看结果
result
#> [1] "id"           "r_test"       "l_test"       "r_test"       "l_test"      
#> [6] "r_test_old"   "l_test_old"   "r_test_new"   "l_test_new"   "r_test_new"

正则逻辑拆解 #

• 排序正则：^(.*?)(_r_|_l_)(.*?)(_test_)(.*)$

  • ^(.*?)：匹配eye标识前的所有内容（非贪婪模式，避免误吞eye标识）
  • (_r_|_l_)：捕获统一后的eye标识（分组2）
  • (.*?)：匹配eye和test之间的内容（非贪婪）
  • (_test_)：捕获统一后的test标识（分组4）
  • (.*)$：匹配test标识后的所有内容
  • 替换为\\2\\4\\1\\3\\5，就是把eye→test→其他内容的顺序固定下来。

• 下划线处理正则：^_|_$|_{2,}

  • ^_|_$：匹配字符串首尾的下划线
  • _{2,}：匹配2个及以上的连续下划线
  • 把这些匹配到的内容全部替换为空，一次搞定所有下划线问题。

如果想更紧凑，还可以把排序和下划线处理合并成一行：

result <- gsub("^_|_$|_{2,}", "",
               gsub("^(.*?)(_r_|_l_)(.*?)(_test_)(.*)$", "\\2\\4\\1\\3\\5", clean_l, perl = TRUE))

这样既保留了原逻辑的准确性，又大幅简化了代码，可读性也更强～

内容的提问来源于stack exchange，提问作者tjebo