R正则查找第n次匹配项实现LaTeX表格按同尺寸矩阵规则着色

实现思路 #

不用硬写正则匹配第n个单元格，采用「提取内容-拆分单元格-逐位匹配着色-拼接回写」的逻辑，容错性远高于直接正则替换，适配绝大多数无合并单元格的tabular场景：

1. 从输入的LaTeX代码中提取tabular环境内部的内容行
2. 逐行拆分得到所有单元格内容，和同尺寸的着色矩阵一一对应
3. 对非默认黑色的单元格套上\textcolor{颜色}{内容}的LaTeX命令
4. 把处理后的内容拼接回原LaTeX结构输出

完整可运行R代码 #

# 加载依赖包，仅需stringr，无其他复杂依赖
library(stringr)

# ---------------------- 输入部分 ----------------------
# 输入的LaTeX表格代码，用raw字符串格式避免转义反斜杠
latex_table <- r"(
\begin{table}[!htbp] 
\begin{tabular}{ccc} 
1 &  2 &  3 \\
4 & 5 & 6 \\
\end{tabular} 
\end{table} 
)"

# 着色规则矩阵，维度必须和表格实际单元格数完全对应
color_mat <- matrix(
  c("red", "black", "black",
    "black", "black", "blue"),
  nrow = 2, byrow = TRUE
)
# -----------------------------------------------------

# 提取tabular环境内的内容
tabular_content <- str_extract(
  latex_table, 
  "(?<=\\begin\\{tabular\\}\\{.*?\\}\\n).*?(?=\\n\\end\\{tabular\\})", 
  dotall = TRUE
)
row_list <- str_split(tabular_content, "\\n")[[1]] |> Filter(\(x) x != "", x = _)

# 逐行逐单元格处理着色
processed_rows <- c()
for (i in seq_along(row_list)) {
  # 拆分单元格，去除行尾的\\和多余空白
  cells <- str_remove(row_list[i], "\\\\\\\\$") |> 
    str_split("&") |> 
    unlist() |> 
    str_trim()
  # 按着色矩阵处理当前行单元格
  for (j in seq_along(cells)) {
    cur_color <- color_mat[i, j]
    if (cur_color != "black") {
      cells[j] <- sprintf("\\textcolor{%s}{%s}", cur_color, cells[j])
    }
  }
  # 拼接回LaTeX行格式
  processed_row <- paste(cells, collapse = " & ") |> paste0(" \\\\")
  processed_rows <- c(processed_rows, processed_row)
}

# 替换回原LaTeX代码，输出结果
final_latex <- str_replace(
  latex_table, 
  "(?<=\\begin\\{tabular\\}\\{.*?\\}\\n).*?(?=\\n\\end\\{tabular\\})", 
  paste(processed_rows, collapse = "\n")
)
cat(final_latex)

输出结果 #

运行上述代码后输出的内容和预期完全一致：

\begin{table}[!htbp] 
\begin{tabular}{ccc} 
\textcolor{red}{1} & 2 & 3 \\
4 & 5 & \textcolor{blue}{6} \\
\end{tabular} 
\end{table}

注意事项 #

• 如果表格包含合并单元格，仅需要调整着色矩阵的对应位置规则即可，整体处理逻辑不变
• 如果表格中存在&字符本身（比如用作逻辑与符号，被包裹在$公式环境内），需要提前对这类特殊&做转义处理，再拆分单元格

内容的提问来源于stack exchange，提问作者Daisy Yu