承接R&Python Data Science系列:數據處理(5)--字符串函數基于R(一)，繼續介紹R語言中的字符串函數。

4.2?R語言中的正則表達式

? ? 正則表達式通過各種函數對字符串進行查詢，是一種特殊的字符串模式，定義一組規則去匹配符合該規則的字符。R語言中stringr包中用到的ICU(http://userguide.icu-project.org/posix)正則表達式，這里簡單介紹一下常用到的正則表達式，簡單分為下面幾種：

• 完全匹配

• 轉義符

• 元字符與反義符

• 重復量詞

• 分組與條件或

? ? 為了顯示字符串中字符函數是怎么匹配的，這里使用str_view()函數進行講解。

4.2.1?完全匹配

library(stringr)library(htmltools)library(htmlwidgets)text?

匹配text字符串向量中的"a"：

str_view(text, "a")

匹配字符串向量中的"lash"：

4.2.2 轉義符

? ? 字符串中元字符、限定符或者關鍵詞都是有特殊含義的，匹配的時候需要轉化成普通字符，只需在前面加上"\"即可。

text1

? ? 我們想匹配字符串中的"."，如果直接用完全匹配：

str_view(text1, ".")

? ? 為什么匹配到的是"F"呢？因為"."是元字符，要想匹配到普通字符"."，需要使用"\"將其轉義成普通字符，若使用"\."匹配，結果會是怎么樣呢？

str_view(text1, "\.")

? ? 會報錯，是因為\也是特殊符號，也需要使用\進行轉義，因此想要匹配到普通字符"."，正確的應該去匹配"\\."

str_view(text1, "\\.")

? ? 如果在使用正則表達式的過程中，發現匹配到并不是你想要的結果，一檢查匹配規則是否正確，二是看下你想要匹配的字符是否為一些特殊符號，需要進行轉義，三是貪婪匹配還是懶惰匹配。

4.2.3?元字符合反義符

? ? ??元字符是正則表達是的最基本元素，匹配某個字符，反義符是取反的意思。

"."元字符

? ? "."匹配除換行符\n以外的所有字符

text2 str_view(text2, ".")

匹配以"l"開始和"h"結束的字符：

str_view(text2, "l..h")

"\w"和"\W"

? ? "\w"用于匹配匹配字母、數字、漢字以及空格下劃線等；而"\W"用于匹配非"\w"的。

str_view(text2, "\\w")

str_view(text2, "\\W")

"\s"與"\S"

? ? "\s"用于匹配空白符，而"\S"用于非"\s"。

str_view(text2, "\\s")

str_view(text, "\\S")

"\d"與"\D"

? ? "\d"用于匹配數字，而"\D"用于匹配非"\D".

str_view(text2, "\\d")

str_view(text2, "\\D")

"\b"、"\B"、"^"、"$"

? ? "\b"用于匹配字符串的開始或者結束，字符串的邊界，而"\B"用于非字符串的邊界。

"^"用于匹配字符串的開始，"$"用于匹配字符串的結束。

text3

匹配text3字符串向量以"h"開始的字符串：

str_view(text3, "\\bh")

等價于

str_view(text3, "^h")

匹配text3字符串向量以"h"開結束的字符串：

str_view(text3, "h\\b")

等價于

str_view(text3, "h$")

4.2.4 重復量詞

? ? 元字符是正則表達式的最基本元素，要想匹配多個元字符，例如匹配QQ號是8位數字的QQ的，使用元字符可以寫成^\\d\\d\\d\\d\\d\\d\\d\\d$，是不是發現很不簡潔，而且容易出錯，為了處理類似的重復性問題，正則表達式中有一些重復量詞，把重復部分用合適的量詞替代。

"*"與"+"重復量詞

? ? 注意"*"和"+"的區別："*"匹配0次或者多次；"+"匹配1次或者多次。

text4

匹配以數字開始且連續幾位都是數字：

str_view(text4, "^\\d*")

str_view(text4, "^\\d+")

"?"重復量詞

? ? 這里涉及到貪婪和懶惰匹配。

? ? 貪婪匹配：通常正則表達式中包含能接受重復的限定符時，通常是匹配盡量多的字符，稱之為貪婪匹配。

? ? 懶惰匹配：希望匹配盡可能少的字符，需要使用"?"限制，只需要在限定符后面加上"?"。

例如：匹配以a開頭，以b結束的字符串：

str_view(text4, "^a.*b")

str_view(text4, "^a.*?b")

{n}、{n,}與{n,m}重復量詞

? ? {n}：前面元素剛好重復n次；

? ? {n,}：前面元素至少重復n次；

? ? {n,m}：前面元素至少重復n次，最多重復m次；

匹配text4中，剛好是8個數字的字符串：

str_view(text4, "^\\d{8}$")

匹配text4，含有至少8個數字的字符串：

str_view(text4, "\\d{8,}")

? ? 這里可以運行一下str_view(text4, "\\d{8,}?"),加深對貪婪和懶惰匹配的理解。

匹配text4中，含有8-9位數字的字符串：

str_view(text4, "\\d{8,9}")

4.2.5 分組和條件或

? ? 上面重復量詞都是重復前面的一個元素，那么如果我們想重復前面兩個元素，即需要將前面兩個元素作為一個整體。正則表達式中使用()來做分組，把括弧中的元素當做一個整體。

匹配以ab開頭的字符串：

str_view(text4, "^(ab)+")

? ? 問題又來了，如果想匹配以a開頭或者以b開頭的字符串，總不能寫兩個匹配模式吧。正則表達式中使用"|"來表示或(或使用中括號[])，也叫做分支條件，滿足分支條件中的任意一種條件時，都會成功匹配。

匹配以字母a或者b開頭的字符串：

str_view(text4, "^(a|b)+")

等價于

str_view(text4, "^[ab]+")

4.2.6 R語言正則表達式總結

? ? 正則表達式部分比較晦澀，看書的時候在這個部分花了很長時間，理解這一塊，最好是理論結合練習，多寫一下案例，下面會接著介紹stringr包中的使用正則表達式的字符串處理函數。

總結

以上是生活随笔為你收集整理的view函数_数据科学系列:数据处理(6)字符串函数基于R(二)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。