如何在R语言（含tidyverse）中用正则表达式字典批量替换？

这个需求在处理多语言日期文本时特别实用，尤其是像你这样需要把波兰语月份缩写统一转成数字的场景。我会用两种方式帮你实现：tidyverse工具链（更简洁）和基础R方法（无需额外包）。

第一步：完善你的匹配字典 #

首先得把你的正则字典补全，加上对应的月份数字（我帮你补全了未写完的正则，你可以根据实际情况调整）：

library(tidyverse)

# 构建完整的月份匹配字典：正则表达式 → 对应数字
month_dict <- tibble(
  from = c(
    "(S|s)tycz(eń|nia)|(S|s)t(y|ycz)",
    "(L|l)ut(y|ego)|(L|l)u(t)",
    "(M|m)ar(ca|zec)|(M|m)ar",
    "(K|k)wie(tnia|cień)|(K|k)wi(|e)",
    "(M|m)aj(a|)",
    "(C|c)zerw(ca|iec)|(C|c)e(|r|rw)",
    "(L|l)ip(ca|iec)|(L|l)i(|p|c)",
    "(S|s)ierp(nia|ień)|(S|s)i(|e|er|erp)",
    "(W|w)rze(sień|śnia)|(W|w)rz(|e)",
    "(P|p)aź(dziernika|ździernik)|(P|p)a(|ź|źd)",
    "(L|l)is(topada|topad)|(L|l)i(|s|is)",
    "(G|g)rud(nia|zień)|(G|g)ru(|d)"
  ),
  to = as.character(1:12)
)

方法一：用tidyverse的stringr包（推荐） #

stringr里的str_replace_all()函数直接支持命名向量作为替换规则，一步就能完成批量替换：

# 把字典转成命名向量：名字是正则表达式，值是替换后的数字
month_replace_rules <- set_names(month_dict$to, month_dict$from)

# 示例输入文本（包含各种波兰语月份写法）
sample_text <- c(
  "Styczeń 2023", "lutego", "Marzec", "kwiecień", "maj", 
  "Czerwiec", "lipiec", "sierpień", "wrzesień", "październik", 
  "listopad", "grudzień", "St 2022", "Lu", "Mar", "Kwi", "Ce"
)

# 执行批量替换
processed_text <- str_replace_all(sample_text, month_replace_rules)

# 查看结果
print(processed_text)

运行后你会看到所有匹配的月份缩写/全称都被转换成了对应的数字，比如"Styczeń 2023"变成"1 2023"，"lutego"变成"2"。

方法二：基础R实现（无需额外包） #

如果不想加载tidyverse，可以用Reduce()函数循环应用每个替换规则：

# 示例输入文本
sample_text <- c(
  "Styczeń 2023", "lutego", "Marzec", "kwiecień", "maj", 
  "Czerwiec", "lipiec", "sierpień", "wrzesień", "październik", 
  "listopad", "grudzień", "St 2022", "Lu", "Mar", "Kwi", "Ce"
)

# 循环应用每个正则替换规则
processed_text_base <- Reduce(function(current_text, idx) {
  gsub(month_dict$from[idx], month_dict$to[idx], current_text)
}, init = sample_text, seq_len(nrow(month_dict)))

# 查看结果
print(processed_text_base)

注意事项 #

• 正则顺序：如果你的正则存在重叠匹配的情况，要注意规则的顺序（先匹配长模式，再匹配短模式），不过你的月份正则应该不会有这个问题。
• 大小写：你的正则已经包含了大小写匹配（比如(S|s)），所以不管输入是大写还是小写开头都能匹配到。

内容的提问来源于stack exchange，提问作者Jacek Kotowski