r语言正则表达式.docxVIP

R语言正则表达式 正贝U表达式详解来源： dearchao , Gloria Li and Jenny Bryan 编译: 思亮 R语言中字符串的匹配替换是字符串操作的常见工作，正则表达式用于描述文本的 拼写规则，这些规则用于我们的匹配，替换等操作中。本文介绍 R中正则表达式 的基本常见用法 入门和相关函数 了解正则表达式的童鞋们，看完本文后，可以什么都不记得，但是我要说的是，对 于更为深入理解正则表达式，需要结合各种情况多练习，方能熟练应用。一句话， 我亦无他，唯手熟尔”，同样适用于学习R语言的其他相关技术。 正则表达式相关的函数主要有 grep，grepl，sub，gsub等，用于匹配或者替换。 下面给出一个简单的例子来理解正则表达式是搞嘛的。我要在如下的字符串中寻找 包含了单词hi的字符串 charvecv- c( hit , shi , hi , chip , Hi , HI ，‘hl , hi, girl , Li: hi, hi美女’) grep (hi ,charvec) ## [1] 1 2 3 4 8 9 10 可以看到，包含了 hi的所有字符都会被匹配上，似乎并不包含大小写，或者不管 字符串是否为一个单词。现在看我们的问题似乎没有那么简单，我们的任务是匹配 包含了 hi这个单词的字符串。这里，\b是正则表达式中匹配单词边界，虽然单词 分界一般用的是空格，标点符号，但\b匹配的不是单词的某个分隔符号，而是一 个位置，记住它是一个位置，是个空的字符。 准确地讲，\b匹配一个位置，该位置前一个和后一个字符不都是当前区域语言环 境下的字母，数字，下划线。也就是说，单词的分界位置前后不能都是字母、数字 和下划线。这个描述是不是很抽象？我觉得也是，理解它花了好久，好久，好久。 grep (WbhiWb ,charvec) ## [1] 3 8 9 上面的代码让我们直观知道了何为正则表达式下面就根据不同表达式的应用场合来 论述。 字母和数字 我们已经知道的一些字符有\b,还有其他常用的一些表达式，我们称为元字符 ? \d 数字 0,1,2,3, ...,9 ? \w单词，指当前区域语言的字母、数字和下划线。如果是中文区域语言，汉 字也是单词。 \b单词的开始或结束位置 [:digit:]数字 0~9 [:alpha:]当前区域语言的字母 [:alnum:]当前区域语言的字母和数字 [:lower:]当前区域语言小写字母 [:upper:]当前区域语言大写字母 [a-z]小写英文字母a~z [A-Z]大写英文字母A~Z [A-z]所有大小写英文字母 charvecv- c(-,， ,o , word , 10,单词,,精確) grep (\\w ,charvec, value= T) #找出所有包含了单词的字符，注意这里单词包含了字 母 ## [1] word 10 II 单词 精確 grep ([[:alpha:]] ,charvec, value= T) # 同上 ## [1] word 单词 精確 grep ([a-z] ,charvec, value= T) #找到包含小写英文字母的字符 ## [1] word 开始与结束 虽然\b给出了对应的单词边界位置，但是有时我们需要明确开始和结束位置。下 面介绍开始和结束的情况。 ? A字符串的开始位置 ? $字符串的结束位置 当我们掌握了若干个正则表达式做法时，组合在一起就会产生奇妙的化学反应。 charvecv- c( about , book , word , this is a book ) grep (\\bb ,charvec, value= T)#找到包含了 b开头单词的字符串 ## [1] bookthis is a book ## [1] book this is a book grep (Ab ,charvec, value= T) #找到仅以b开头的字符串 ## [1] book grep (Ab.*k$ ,charvec, value= T) #找到以 b 开头，k 结尾的字符串 ## [1] book 最后的代码中用到了重复*和.，下面讲讲重复 重复 重复是经常和其他正则表达式的元字符配合使用的一类 ?.除了换行符\n以外的任意字符 ? ?前面的项目重复最多一次 ? *前面的项目重复了 0次或者多次 ? +前面的项目重复了 1次或更多次 ? {n}前面的项目重复了 n次 ? {n,}前面的项目重复了 n次或更多次 ? {n,m}前面了项目重复了至少n次，不多于m次 charvecv- c( oh , ohhh , ohh , oohhhhh, my god , ohho) grep (oh{2} ,charvec, value= T) #找至V