前言

R中的正則表達(dá)式模式有三種

• 1、擴(kuò)展正則表達(dá)式：默認(rèn)方式
• 2、Perl風(fēng)格正則表達(dá)式：設(shè)置參數(shù)perl = TRUE
• 3、字面意義正則表達(dá)式：設(shè)置參數(shù)fixed = TRUE，使用的字面意義上的正則表達(dá)式

基本字符

R中的元字符包括：

 . \ | ( ) [ ] ^ $ * + ?

這些字符的含義與Python一樣

• .: 表示任意字符，包括換行符
• \: 對(duì)字符進(jìn)行轉(zhuǎn)義
• |: A|B對(duì)A或B其中一個(gè)匹配，A匹配成功則不匹配B
• (): 字符組，括號(hào)中的模式作為一個(gè)整體進(jìn)行匹配
• []: 字符集合
• ^: 匹配字符串開(kāi)頭，在[^6]表示取反，所有不是6的字符
• $: 匹配字符串結(jié)尾

數(shù)量詞

• *: 前一個(gè)規(guī)則匹配0或無(wú)限次
• +: 前一個(gè)規(guī)則匹配1或無(wú)限次
• ?: 前一個(gè)規(guī)則匹配0或1次
• {m}: 前一個(gè)規(guī)則匹配m次
• {m,n}: 前一個(gè)規(guī)則匹配m~n次，盡可能多
• {m,}: 前一個(gè)規(guī)則匹配m次以上，盡可能多

非貪婪模式

• 上述數(shù)量詞后加?，匹配到滿足規(guī)則的字符盡量少

實(shí)例

下面實(shí)例使用grepl函數(shù)

grepl <- function (pattern, x, ignore.case = FALSE, perl = FALSE, fixed = FALSE, 
    useBytes = FALSE) 
{
    if (!is.character(x)) 
        x <- as.character(x)
    .Internal(grepl(as.character(pattern), x, ignore.case, FALSE, 
        perl, fixed, useBytes, FALSE))
}

"""
@argument：
  pattern: 匹配規(guī)則
  x: 需要去匹配的字符串
  ignore.case: 忽略大小寫(xiě)
  perl: perl 語(yǔ)言的匹配模式
  fixed: 使用的字面意義上的正則表達(dá)式
  useBytes: 匹配字節(jié)
@return
  匹配成功返回 TRUE，否則返回 FALSE
"""

1、符號(hào) .

grepl('ab.', 'abc')
# out: TRUE

grepl('abc', 'Abc', ignore.case = TRUE)
# out: TRUE

grepl('ab.*', 'abcdba', fixed = T)
# out: FALSE

2、反斜杠 \

R中的反斜杠和Python中反斜杠會(huì)有所區(qū)別

R中定義的轉(zhuǎn)義字符串有：

'\n': 換行
'\r': 回車(chē)
'\t': 制表符
'\b': 退格
'\a': 響鈴
'\f': 換頁(yè)
'\v': 垂直制表符
'\\': 反斜杠
'\'': 單引號(hào)
'\"': 雙引號(hào)
'\`': 反引號(hào)
'\nnn': 八進(jìn)制字符(1~3位置的n為八進(jìn)制數(shù)字)
'\xnn': 十六進(jìn)制字符(1~2位置的n為十六進(jìn)制數(shù)字)
'\unnnn': 十六進(jìn)制字符(1~4)
'\Unnnnnnnn': 十六進(jìn)制字符(1~8)

如果反斜線后的轉(zhuǎn)義字符串不在上表范圍內(nèi)，系統(tǒng)就會(huì)報(bào)錯(cuò).

要在字符常量中輸入反斜線，需要輸入兩個(gè)反斜線，即 \\

grepl('ab\\[', 'ab[]')
# out: TRUE

grepl('ab\\\\', 'ab\\')
# out: TRUE

grepl('ab\.', 'ab.')
# Error: 由"'ab\."開(kāi)頭的字符串中存在'\.'，但沒(méi)有這種逸出號(hào)

3、析取 |

grepl('ab|c', c('ab', 'ac', 'a'))
# out: TRUE TRUE FALSE

4、組合 ()

grepl('(a.)+c', c('ac', 'acc'))
# out: FALSE TRUE 

反向引用，只能在使用小括號(hào)是才能使用

grepl('c(..) s\\1', c('cat sat', 'cat saa'))
# out: TRUE FALSE

5、字符集合 []

grepl('[Tt]he', c('the', 'The'))
# out: TRUE TRUE

# 范圍：a-z 表示 26 個(gè)小寫(xiě)字母
grepl('[a-z]he', c('the', 'she', 'The'))
# out: TRUE TRUE FALSE

# 取反，所有不是 t 的字符
grepl('[^t]he', c('the', 'she', 'The'))
# out: FALSE TRUE TRUE

# 特殊字符失去特殊含義，. 不再表示任意字符
grepl('[.]he', c('the', '.he'))
# out: FALSE TRUE

6、邊界 ^ $

grepl('[Tt]he', c('the', 'The', 'other'))
# out: TRUE TRUE TRUE

grepl('^[Tt]he', c('the', 'The', 'other'))
# out: TRUE TRUE FALSE

grepl('[Tt]he$', c('the', 'The', 'other'))
# out: TRUE TRUE FALSE

7、數(shù)量詞 * + ? {}

grepl('.*', 'abcdba')
# out: TRUE

grepl('.*', '')
# out: TRUE

grepl('.+', 'abcdba')
# out: TRUE

grepl('.+', '')
# out: FALSE

grepl('ab?', 'a')
# out: TRUE

grepl('ab?', 'ab')
# out: TRUE

grepl('ab{3}', 'abbb')
# out: TRUE

grepl('ab{3}', 'abb')
# out: FALSE

grepl('ab{3,5}', 'abbbb')
# out: TRUE

grepl('ab{3, }', 'abbbb
grepl('ab{3,    }', 'abbbb')
grepl('ab{3,}', 'abbbb')
grepl('ab{,4}', 'abbbb')
# out: TRUE

非貪婪模式

sub<-function (pattern, replacement, x, ignore.case = FALSE, perl = FALSE, 
    fixed = FALSE, useBytes = FALSE) 
{
    if (!is.character(x)) 
        x <- as.character(x)
    .Internal(sub(as.character(pattern), as.character(replacement), 
        x, ignore.case, perl, fixed, useBytes))
}

"""
sub 函數(shù) 與 grepl 函數(shù)參數(shù)基本一致
將匹配到的字符串替換為 replacement 參數(shù)指定的數(shù)據(jù)
"""

sub('ab{3,8}', '', 'abbbbbbbc')
# out: 'c'

sub('ab{3,8}?', '', 'abbbbbbbc')
# out: 'bbbbc'

有了 Python 正則的鋪墊，R 的正則看起來(lái)是不是很得心應(yīng)手。

正則表達(dá)式速查表

image.png

stringr 速查表，里面也有正則表達(dá)式的內(nèi)容

image.png

image.png