如何在R数据框字符串的每第3个单词后插入"\b"？

嘿，我来帮你搞定这个问题！你想要给数据框每行字符串的每第3个单词后插入\b，之前用gsub()加" \s{3}"没成功，其实是正则的思路没找对，下面给你详细说解法：

你的问题回顾 #

你有这样的原始数据框：

df <- data.frame( words = c("Three can keep a secret, if two of them are dead."))

目标是处理后得到：

df2 <- data.frame(words = c("Three can keep \b a secret, if \b two of them \b are dead."))

正确的解决方案 #

核心思路 #

咱们要做的是精准匹配连续3个单词的组合，然后在这组单词的后面插入\b。这里的"单词"咱们用\S+来匹配（也就是任意非空白字符的序列，像"secret,"这种带标点的也能算一个单词），然后把这3个单词作为捕获组，替换的时候保留捕获内容，再加上\b就行。

具体代码 #

直接用gsub()就能搞定，代码如下：

# 原始数据
df <- data.frame(words = c("Three can keep a secret, if two of them are dead."))

# 执行替换
df$words <- gsub("((\\S+\\s+){2}\\S+)\\s+", "\\1 \\b ", df$words)

# 查看结果
cat(df$words)
# 输出：Three can keep \b a secret, if \b two of them \b are dead.

正则表达式拆解 #

咱们来拆解一下这个正则((\\S+\\s+){2}\\S+)\\s+：

• (\\S+\\s+){2}：匹配前两个"单词+空格"的组合，\\S+抓单词，\\s+抓单词后的空格，重复2次就搞定前两个单词
• \\S+：匹配第三个单词
• 把上面这些包进()形成捕获组((\\S+\\s+){2}\\S+)，这样替换的时候能把这3个原单词保留下来
• \\s+：匹配第三个单词后面的空格，确保我们在单词后面插\b

替换的\\1 \\b 里，\\1就是引用刚才捕获的3个单词，后面加上\b和空格，完美实现插入效果。

处理边界情况 #

如果你的字符串单词数刚好是3的倍数（比如"Apple Banana Cherry"），上面的代码会在最后一组单词后也加\b，变成"Apple Banana Cherry \b "。要是不想末尾多这个\b，可以用Perl风格的正则加个负向断言：

df$words <- gsub("((\\S+\\s+){2}\\S+)(?!$)", "\\1 \\b ", df$words, perl = TRUE)

(?!$)表示"不是字符串末尾"的位置才替换，这样就不会在最后一组后面加多余的\b啦。

内容的提问来源于stack exchange，提问作者Leon