R help es - Feb 2013 - Cortar una cadena por un caracter solo cuando no forma parte de una subcadena entrecomillada

Hola, ¿qué tal?

Tengo el siguiente problema. Me llegan (simplificando) cadenas del tipo

1,2,"algo"; 3,"cosa"; 4,2,3,7;

y tengo que partirlas por el caracter ";" para meterlas en una lista.
Lo hago con strsplit y no tengo problemas...

... hasta que recibo cadenas como

1,2,"algo;todo"; 3,"cosa"; 4,2,3,7;

en las que existen puntos y coma "entrecomillados". En tales casos, la
función strsplit detecta 4 cadenas,

1,2,"algo          todo"          3,"cosa"         4,2,3,7

en lugar de las tres que quiero, es decir,

1,2,"algo;todo"        3,"cosa"         4,2,3,7

¿Alguien conoce alguna manera simple para que strsplit (u otras
funciones similares) partan la cadena por los ";" que no formen parte
de cadenas entrecomilladas? ¿Tal vez una expresión regular mágica que
reemplace todos los ";" entrecomillados por otra cosa?

(Sé que puedo leer la cadena caracter a caracter y guardar el estado
(entrecomillado o no) para distinguir los ";" que forman parte de las
cadenas de los que son propiamente separadores, pero es algo que me
gustaría poder evitar).

Un saludo,

Carlos J. Gil Bellosta
http://www.datanalytics.com

Supongo que no será tan fácil como esto, pero por si acaso....

Con tu ejemplo, si pones

strsplit(cadena,"; ") # con un espacio dentro de las comillas:

1,2,"algo;todo"        3,"cosa"         4,2,3,7

Saludos,

Marcelino


El 2013-02-18 13:05, Carlos J. Gil Bellosta escribió:
> Hola, ¿qué tal?
>
> Tengo el siguiente problema. Me llegan (simplificando) cadenas del 
> tipo
>
> 1,2,"algo"; 3,"cosa"; 4,2,3,7;
>
> y tengo que partirlas por el caracter ";" para meterlas en una
lista.
> Lo hago con strsplit y no tengo problemas...
>
> ... hasta que recibo cadenas como
>
> 1,2,"algo;todo"; 3,"cosa"; 4,2,3,7;
>
> en las que existen puntos y coma "entrecomillados". En tales
casos,
> la
> función strsplit detecta 4 cadenas,
>
> 1,2,"algo          todo"          3,"cosa"        
4,2,3,7
>
> en lugar de las tres que quiero, es decir,
>
> 1,2,"algo;todo"        3,"cosa"         4,2,3,7
>
> ¿Alguien conoce alguna manera simple para que strsplit (u otras
> funciones similares) partan la cadena por los ";" que no formen
parte
> de cadenas entrecomilladas? ¿Tal vez una expresión regular mágica 
> que
> reemplace todos los ";" entrecomillados por otra cosa?
>
> (Sé que puedo leer la cadena caracter a caracter y guardar el estado
> (entrecomillado o no) para distinguir los ";" que forman parte de
las
> cadenas de los que son propiamente separadores, pero es algo que me
> gustaría poder evitar).
>
> Un saludo,
>
> Carlos J. Gil Bellosta
> http://www.datanalytics.com
>
> _______________________________________________
> R-help-es mailing list
> R-help-es en r-project.org
> https://stat.ethz.ch/mailman/listinfo/r-help-es
-- 
MARCELINO DE LA CRUZ ROT
Universidad Politecnica de Madrid

Me temo que no es tan fácil. En mi caso real no puedo asegurar que
haya espacios (ni nada en concreto) antes o después de los
separadores. El único criterio es que no se considere ";" separador
cuando esté incluido en una cadena entrecomillada.

Un saludo y muchas gracias en todo caso,

Carlos J. Gil Bellosta
http://www.datanalytics.com


El día 18 de febrero de 2013 13:47, MARCELINO DE LA CRUZ ROT
<marcelino.delacruz en upm.es> escribió:
> Supongo que no será tan fácil como esto, pero por si acaso....
>
> Con tu ejemplo, si pones
>
> strsplit(cadena,"; ") # con un espacio dentro de las comillas:
>
>
> 1,2,"algo;todo"        3,"cosa"         4,2,3,7
>
> Saludos,
>
> Marcelino
>
>
> El 2013-02-18 13:05, Carlos J. Gil Bellosta escribió:
>>
>> Hola, ¿qué tal?
>>
>> Tengo el siguiente problema. Me llegan (simplificando) cadenas del tipo
>>
>> 1,2,"algo"; 3,"cosa"; 4,2,3,7;
>>
>> y tengo que partirlas por el caracter ";" para meterlas en
una lista.
>> Lo hago con strsplit y no tengo problemas...
>>
>> ... hasta que recibo cadenas como
>>
>> 1,2,"algo;todo"; 3,"cosa"; 4,2,3,7;
>>
>> en las que existen puntos y coma "entrecomillados". En tales
casos, la
>> función strsplit detecta 4 cadenas,
>>
>> 1,2,"algo          todo"          3,"cosa"        
4,2,3,7
>>
>> en lugar de las tres que quiero, es decir,
>>
>> 1,2,"algo;todo"        3,"cosa"         4,2,3,7
>>
>> ¿Alguien conoce alguna manera simple para que strsplit (u otras
>> funciones similares) partan la cadena por los ";" que no
formen parte
>> de cadenas entrecomilladas? ¿Tal vez una expresión regular mágica que
>> reemplace todos los ";" entrecomillados por otra cosa?
>>
>> (Sé que puedo leer la cadena caracter a caracter y guardar el estado
>> (entrecomillado o no) para distinguir los ";" que forman
parte de las
>> cadenas de los que son propiamente separadores, pero es algo que me
>> gustaría poder evitar).
>>
>> Un saludo,
>>
>> Carlos J. Gil Bellosta
>> http://www.datanalytics.com
>>
>> _______________________________________________
>> R-help-es mailing list
>> R-help-es en r-project.org
>> https://stat.ethz.ch/mailman/listinfo/r-help-es
>
>
> --
> MARCELINO DE LA CRUZ ROT
> Universidad Politecnica de Madrid
>
> _______________________________________________
> R-help-es mailing list
> R-help-es en r-project.org
> https://stat.ethz.ch/mailman/listinfo/r-help-es

Creo que esto Funciona:

## --------------------------------
x <- '1,2,"algo;todo"; 3,"cosa; mala"; 4,2,3,7;'
m <- gregexpr('"[^"]*"', x)
blanks <- function(n) {
   vapply(Map(rep.int, rep.int(" ", length(n)), n, USE.NAMES = FALSE),
          paste, "", collapse = "")
}
s <- x
regmatches(s, m) <- Map(blanks, lapply(regmatches(s, m), nchar))
m <- gregexpr("; *", s)
cbind(regmatches(x, m, invert = TRUE)[[1]])
## --------------------------------

La idea la he tomado del uno de los ejemplo del help(regmatches), donde 
se explica mejor su funcionamiento. A partir de aquí se podría hacer una 
función "strsplit.with.deli", que entre otras cosas solucionaría
algunos
de los fallos de importación del paquete "pxR".

Fran

El 18/02/2013 13:05, Carlos J. Gil Bellosta escribió:
> Hola, ¿qué tal?
>
> Tengo el siguiente problema. Me llegan (simplificando) cadenas del tipo
>
> 1,2,"algo"; 3,"cosa"; 4,2,3,7;
>
> y tengo que partirlas por el caracter ";" para meterlas en una
lista.
> Lo hago con strsplit y no tengo problemas...
>
> ... hasta que recibo cadenas como
>
> 1,2,"algo;todo"; 3,"cosa"; 4,2,3,7;
>
> en las que existen puntos y coma "entrecomillados". En tales
casos, la
> función strsplit detecta 4 cadenas,
>
> 1,2,"algo          todo"          3,"cosa"        
4,2,3,7
>
> en lugar de las tres que quiero, es decir,
>
> 1,2,"algo;todo"        3,"cosa"         4,2,3,7
>
> ¿Alguien conoce alguna manera simple para que strsplit (u otras
> funciones similares) partan la cadena por los ";" que no formen
parte
> de cadenas entrecomilladas? ¿Tal vez una expresión regular mágica que
> reemplace todos los ";" entrecomillados por otra cosa?
>
> (Sé que puedo leer la cadena caracter a caracter y guardar el estado
> (entrecomillado o no) para distinguir los ";" que forman parte de
las
> cadenas de los que son propiamente separadores, pero es algo que me
> gustaría poder evitar).
>
> Un saludo,
>
> Carlos J. Gil Bellosta
> http://www.datanalytics.com
>
> _______________________________________________
> R-help-es mailing list
> R-help-es en r-project.org
> https://stat.ethz.ch/mailman/listinfo/r-help-es
>
-- 
+--------------------------------------------------------------
| Francisco J. Viciana Fernández
| Coordinador del Registro de Población
| Servicio de Estadísticas Demográficas y Sociales
| Instituto de Estadística y Cartografía de Andalucía
| Leonardo Da Vinci, nº 21. Isla de La Cartuja.
| 41071 SEVILLA.
| franciscoj.viciana en juntadeandalucia.es
+--------------------------------------------------------------