R語言正則表示式

本文主要說明R語言的正則表示式，主要是一些簡單的函式和stringr包常用的方法

正則表示式通常被用來檢索、替換那些符合某個模式(規則)的文字。

一些R自帶的正則函式
grep，主要引數為匹配規則，待匹配的字串，返回向量中匹配成功的字串的下標

s<-c('1234abc456','123abcdefabc')
#返回下標
grep('abc',s)
[1] 1 2

grepl，主要引數為匹配規則，待匹配的字串，返回TRUE或者FALSE

#返回FALSE OR TRUE
grepl('def',s)
[1] FALSE  TRUE
 

sub，主要引數為匹配規則，替換的字串，待匹配的字串，返回查詢的第一個進行替換

s_t<-sub('abc','$$$',s)
[1] "1234$$$456"   "123$$$defabc"

gsub，主要引數為匹配規則，替換的字串，待匹配的字串，返回查詢的所有進行替換

gd_t<-gsub('abc','$$$',s)
[1] "1234$$$456"   "123$$$def$$$"

stringr包

安裝和載入包

install.packages("stringr")
library(stringr)

str_extract 引數為待匹配的字串，匹配規則

> str_extract(ss1,'[0-9]{1,3}')
[1] "123"
> str_extract_all(ss1,'\\d{1,3}')
[[1]]
[1] "123" "456"

str_locate引數為待匹配的字串，匹配規則，返回首個匹配成功的字元的位置
str_locate_all引數為待匹配的字串，匹配規則，返回所有匹配成功的字元的位置

> str_locate(ss1,'\\d{1,3}')
     start end
[1,]     3   5
> str_locate_all(ss1,'\\d{1,3}')
[[1]]
     start end
[1,]     3   5
[2,]     9  11
 

str_replace主要引數為待匹配的字串，匹配規則，替換的字串，返回查詢的第一個進行替換
str_replace_all主要引數為待匹配的字串，匹配規則，替換的字串，返回查詢的所有進行替換

> str_replace(ss1,'\\d{1,3}','777')
[1] "  777abc456  "
> str_replace_all(ss1,'\\d{1,3}','999')
[1] "  999abc999  "

str_split,主要引數待匹配的字串，匹配規則,返回分割之後的字串
str_split_fixed,主要引數待匹配的字串，匹配規則，分割時指定的個數,返回分割之後的字串

> ss2<-"123a123a123a"
> str_split(ss2,'a')
[[1]]
[1] "123" "123" "123" ""   
> str_split_fixed(ss2,'a',3)
     [,1]  [,2]  [,3]  
[1,] "123" "123" "123a"

str_count,引數待匹配的字串，匹配規則,返回匹配成功的次數

> str_count(ss2,'123')
[1] 3

str_trim,引數待匹配的字串,返回去掉空格之後的字串

> ss1
[1] "  123abc456  "
> str_trim(ss1)
[1] "123abc456"

str_c引數待合併的字串，待合併的字串，合併之後的字串

> ss1
[1] "  123abc456  "
> ss2
[1] "123a123a123a"
> str_c(ss1,ss2)
[1] "  123abc456  123a123a123a"