如何在R中将Web of Science高级检索查询转换为正则表达式

有可直接落地的实现方案，核心思路是通过语法映射规则，把WoS检索逻辑对应到正则语法，也可以直接封装为函数实现批量自动转换。

核心转换规则 #

• 先剥离字段限定前缀（如示例中的TI = ），仅处理后续括号内的检索逻辑部分
• 检索词的双引号直接保留（如需匹配精确短语），如果检索词包含正则特殊字符（.、*、+、?等），需先做转义处理避免正则解析错误
• 逻辑运算符OR直接替换为正则中的或运算符|，需注意将OR连接的一组内容放在括号内保证优先级正确
• 逻辑运算符AND替换为正则的正向肯定预查结构(?=.*检索内容)，所有AND连接的预查结构拼接后，前后补充^和.*$即可实现同时命中所有检索条件的效果

示例转换效果 #

你给出的WoS检索语句：

TI = ("ecology" AND ("climate change" OR "biodiversity"))

按上述规则转换后得到的正则表达式为：

^(?=.*ecology)(?=.*(climate change|biodiversity)).*$

转换后可直接在R的str_detect中使用，和你给出的多条件&连接的写法效果完全一致：

# 两种写法效果完全相同
str_detect(TI,"ecology") & str_detect(TI,"climate change|biodiversity")
str_detect(TI, "^(?=.*ecology)(?=.*(climate change|biodiversity)).*$")

简易R实现函数 #

你可以直接使用下面的封装函数实现基础的WoS语句到正则的自动转换：

library(stringr)

wos_to_regex <- function(wos_query) {
  # 剥离字段限定前缀
  logic_part <- sub("^[A-Z]+\\s*=\\s*", "", wos_query)
  # 转义正则特殊字符
  logic_part <- str_replace_all(logic_part, "([\\.\\*\\+\\?\\|\\{\\}\\(\\)\\[\\]\\\\\\^\\$])", "\\\\\\1")
  # 替换OR运算符为|
  logic_part <- str_replace_all(logic_part, "\\s+OR\\s+", "|")
  # 拆分所有AND连接的检索项
  and_items <- str_split(logic_part, "\\s+AND\\s+")[[1]]
  # 转换为正向预查结构
  pre_checks <- paste0("(?=.*", and_items, ")", collapse = "")
  # 拼接完整正则，去除多余的双引号
  full_regex <- str_replace_all(paste0("^", pre_checks, ".*$"), '\\"', "")
  return(full_regex)
}

# 调用测试
wos_query <- 'TI = ("ecology" AND ("climate change" OR "biodiversity"))'
wos_to_regex(wos_query)
# 输出：^(?=.*ecology)(?=.*(climate change|biodiversity)).*$

扩展说明 #

如果需要支持WoS更复杂的检索语法，只需要补充对应的映射规则即可：

• 通配符*可映射为正则的.*，?映射为正则的.{1}
• 邻近运算符NEAR/n可映射为\\s+(?:\\w+\\s+){0,n}，实现两个检索词间隔不超过n个词的效果
• 同字段运算符SAME可根据需求调整为对应字段内的匹配逻辑即可

内容的提问来源于stack exchange，提问作者Hope