R：不会跳过任何字符的环视

Question

我正在尝试使用R来标记在以下规则下的假设词（由a和b的序列组成）的音节边界（带有句点）：

1. 在任何两个a之间插入句点。 ＆GT;＆GT; a.a，而不是aa
2. 如果两个a之间有两个或更少的b，则将周期放在左边。 ＆GT;＆GT; a.bba，而不是abb.a
3. 将句点放在任何其他b的右侧。 ＆GT;＆GT; ab.bba，而不是a.bbba

我写了以下几行，起初似乎有用。

S <- c('b{0,2}a(b(?=bb))*') # syllable structure

words <- c('abababa','abbabaabbb','bbabbbba')

p <- function(string){paste0(string,collapse='')} # shorthand collapse to single string

gsub(p(c(S,'\\K(?=',S,')')),'.',words,perl=T)
#[1] "a.ba.ba.ba"    "a.bba.ba.abbb" "bbabb.bba"  # all correct

但是我尝试了更多的单词并发现了一个问题：

words <- c('aaaa','baabbba')
#[1] "a.aa.a"         "ba.abbba"  # should be a.a.a.a / ba.ab.bba

显然，问题是如果“a”之前是另一个“a”，则在“a”之后插入时间段失败。我不相信我对S的定义有任何问题。相反，如果该角色已用于先前的环视，则R似乎会跳过一个角色以寻找外观。无论如何，我该怎么办？

Answer 1

令牌由正则表达式引擎“消耗”，因此不能使用两次。只需再次执行替换：

f <- function(words) gsub(p(c(S,'\\K(?=',S,')')),'.',words,perl=T)
f(words)
[1] "a.aa.a"   "ba.abbba"
f(f(words))
[1] "a.a.a.a"   "ba.ab.bba"