使用带正向预查的正则调用strsplit()时字符串分割位置错误问题

我来帮你搞定这个问题！你遇到的首字符截断问题，根源在于你的正则表达式没有排除字符串的起始位置——strsplit会在匹配到的所有位置分割，包括字符串最开头的位置，这就导致了意外的截断。

修正方案 #

我们只需要在正则里加上(?!^)这个负向预查，确保不会在字符串起始位置分割，同时保留正向预查来定位日期时间标记的前置位置。修正后的代码如下：

TEST <- c("05.10.17, 09:26 - Person One: How about we chill on sunday\n05.10.17, 09:27 - Person One: I could bring some beer\n05.10.17, 09:27 - Person Two: Sounds good, we could go to Lindas Party afterwards\n05.10.17, 09:27 - Person One: shit man, not LiNDA -.-\n05.10.17, 09:27 - Person Two: ???\n05.10.17, 09:28 - Person Two: You guys have history?\n05.10.17, 09:28 - Person One: She killed my family and sold their ears as souvenirs\n")

# 修正后的strsplit代码
Cut <- unlist(strsplit(TEST, "(?!^)(?=[0-3]\\d\\.\\d{2}\\.\\d{2}, \\d{2}:\\d{2})", perl = TRUE))

# 查看结果
print(Cut)

正则说明 #

• (?!^)：负向预查，匹配不是字符串起始位置的位置，避免在开头分割出空字符或截断首字符。
• (?=[0-3]\\d\\.\\d{2}\\.\\d{2}, \\d{2}:\\d{2})：正向预查，精准定位后面跟着日.月.年, 时:分格式的位置，这里用\\d代替[0-9]更简洁，\\.用来匹配字面意义的点号（和[.]效果一致）。

效果验证 #

运行上述代码后，你会得到期望的结果：每个元素都是完整的带日期时间标记的消息，比如第一个元素是：

"05.10.17, 09:26 - Person One: How about we chill on sunday\n"

内容的提问来源于stack exchange，提问作者Ju Ko