[R-es] 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

--
MARCELINO DE LA CRUZ ROT
Universidad Politecnica de Madrid

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

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

--
+--------------------------------------------------------------
| 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
+--------------------------------------------------------------