昨天劍哥說要不要寫一下關(guān)于正則表達(dá)式的內(nèi)容，今天看書就正好看到這一章。R for data science總體上感覺講解的還不是特別詳細(xì)，我總體按照書來寫，有想要深入學(xué)習(xí)的同學(xué)，可以去google搜索，非常多好的內(nèi)容。

同樣，先先加載包:

1基礎(chǔ)匹配

我們先來看一個(gè)例子。用stringr包中的str_view函數(shù)來看一下匹配的含義。

x <- c('apple', 'banana', 'pear')str_view(string = x, pattern = 'an')

可以看到該函數(shù)將字符串中含有an的對象banana找出來了。這可以算作是精確匹配，那么如果我們想要匹配的是符合一定規(guī)律的怎么辦呢？比如想要匹配中間為字母a，前后為任意字符皆可。這就用到正則表達(dá)式了，維基百科定義如下：

正則表達(dá)式（英語：Regular Expression，在代碼中常簡寫為regex、regexp或RE），又稱正規(guī)表示、正規(guī)表示法、正規(guī)表達(dá)式、規(guī)則表達(dá)式、常規(guī)表示法，是計(jì)算機(jī)科學(xué)的一個(gè)概念。正則表達(dá)式使用單個(gè)字符串來描述、匹配一系列匹配某個(gè)句法規(guī)則的字符串。在很多文本編輯器里，正則表達(dá)式通常被用來檢索、替換那些匹配某個(gè)模式的文本。

wikipedia

比如剛才的例子，就可以這么寫：

其中的“.”，就代表著任意字符，注意任意，也就是不管是字母，數(shù)字，符號，空格等等，都是可以的。但是問題來了，如果我們需要的是精確匹配“.”本身呢，這時(shí)候需要使用反斜杠 “\”對其進(jìn)行轉(zhuǎn)義，這時(shí)候正字表達(dá)式就不會將其視作廣義的代表，而是該字符本身了。但是因?yàn)閈本身在正則表達(dá)式中也有其特殊含義，因此他也需要一個(gè)反斜杠對其進(jìn)行轉(zhuǎn)義，也就是說，如果我們想匹配.，我們需要這么寫，\\.，也就是兩個(gè)反斜杠。我們舉個(gè)例子：

x <- c('abc', 'a.c', 'bef')str_view(string = x, pattern = 'a\\.c')

可以看到這樣就可以把點(diǎn)本身精確匹配到了。

那么如果想要匹配```本身呢？需要4個(gè)反斜杠。。。因?yàn)槭紫确葱备艹霈F(xiàn)在字符串中就需要對其進(jìn)行轉(zhuǎn)義，也就是說表示為一個(gè)反斜杠就需要2個(gè)，所以，最后就出現(xiàn)了四個(gè)反斜杠。另外，最近在看python，python中有原生字符串的概念，所以對于出現(xiàn)反斜杠的字符串，可以直接使用r，就不怕漏掉反斜杠了。

那么如果要匹配''\，該怎么寫呢？例子如下：

aa''\

2固定位置進(jìn)行匹配

比如你想匹配開頭或者結(jié)尾為固定內(nèi)容的對象，在正則表達(dá)式中，也有固定符號進(jìn)行表示。

^表示開頭。

$表示結(jié)尾。

匹配以字母a開頭的對象：

x <- c('apple', 'banana', 'pear')str_view(string = x, pattern = '^a')

匹配以字母a結(jié)尾的對象：

注意兩個(gè)符合的位置。

如果想要精確匹配某個(gè)字符，這兩個(gè)特殊夫就非常有用了：

x <- c('apple pie', 'apple', 'apple cake')str_view(string = x, pattern = 'apple')str_view(string = x, pattern = '^apple$')

如果想要精確匹配對象$^$，那么該怎么寫呢？

$^$

apple

$^$a

string包中有一個(gè)單詞庫，我們可以用它來聯(lián)系一下，比如，匹配該單詞庫中所有以x開頭的單詞：

匹配所有以y結(jié)尾的單詞：

x <- stringr::wordsstr_view(string = x, pattern = 'y$', match = TRUE)

匹配所有長度為3的對象，注意不可以使用str_length函數(shù)

匹配所有長度為7及以上的對象，注意同樣不可以使用str_length函數(shù)

特殊字符

從上面可以看出來，其實(shí)正則表達(dá)式就是特殊字符的組合，用來表示符合規(guī)定的對象，因此特殊字符就尤為重要，我們下面來看看都有哪些特殊字符。

\d：表示任意數(shù)字，d就是digit的意思。

\s：表示任意空白，比如空格，tab等。

[abc]：中括號將里面包含的內(nèi)容，表示任意一個(gè)即可，比如[abc]代表的就是a，b或者c。

[^abc]：這表示的是除了a，b和c之外的任意字符。

同樣的，記住，只要反斜杠出現(xiàn)，就要同時(shí)出現(xiàn)兩個(gè)。

寫到這里，電腦沒電了，又忘了帶帶能源，那就正好明天一起，把特殊字符寫完。

公眾號排版很不好看，大家如果使用電腦，可以點(diǎn)擊原文，使用R notebook來寫的。

按照英語字母順序，但是不同地方可能不一樣，比如下面的例子：

x <- c('apple', 'eggplant', 'banana')
str_sort(x, locale = 'en')  # English

## [1] 'apple'    'banana'   'eggplant'

str_sort(x, locale = 'haw') # Hawaiian

## [1] 'apple'    'eggplant' 'banana'

感覺這個(gè)功能不會太常用。了解一下就好了。

----------------------------------------------------------------------

------------------------------------------------------------------------