R语言正则表达式与字符串处理函数

原文链接：http://www.sohu.com/a/205441283_466874

基础文本处理函数中正则表达式的应用

R中常用的支持正则表达式的基础文本处理函数包括grep/grepl、sub/gsub、regexpr/gregexpr等。

example_text1 <- c("23333#RRR#PP","35555#CCCC","louwill#2017")

#以#进行字符串切分

unlist(strsplit(example_text1, "#"))

[1] "23333" "RRR" "PP" "35555" "CCCC" "louwill" "2017"

#以空字符集进行字符串切分

unlist(strsplit(example_text1, "s"))

[1] "23333#RRR#PP" "35555#CCCC" "louwill#2017"

#以空字符替换字符串第一个#匹配

sub("#","", example_text1)

[1] "23333RRR#PP" "35555CCCC" "louwill2017"

#以空字符集替换字符串全部#匹配

gsub("#","",example_text1)

[1] "23333RRRPP" "35555CCCC" "louwill2017"

#查询字符串中是否存在3333或5555的特征并返回所在位置

grep("[35]{4}", example_text1)

[1] 1 2

#查询字符串中是否存在3333或5555的特征并返回逻辑值

grepl("[35]{4}", example_text1)

[1] TRUE TRUE FALSE

#返回匹配特征的字符串

pattern <- "[[:alpha:]]*(,|#)[[:alpha:]]"

m <- regexpr(pattern, example_text1)

regmatches(example_text1, m)

[1] "#R" "#C"

stringr包文本处理函数中的正则表达式的应用

stringr包一共为我们提供了30个字符串处理函数，其中大部分均可支持正则表达式的应用，包内所有函数均以str_开头，后面单词用来说明该函数的含义，相较于基础文本处理函数，stringr包函数更容易直观地理解。本文仅以str_extract和str_extract_all函数为例，对stringr包的正则表达式应用进行简要说明。

example_text2 <- "1. A small sentence. - 2. Another tiny sentence."

library(stringr)

#提取small特征字符

str_extract(example_text2, "small")

[1] "small"

#提取包含sentence特征的全部字符串

unlist(str_extract_all(example_text2, "sentence"))

[1] "sentence" "sentence"

#提取以1开始的字符串

str_extract(example_text2, "^1")

[1] "1"

#提取以句号结尾的字符

unlist(str_extract_all(example_text2, ".$"))

[1] "."

#提取包含tiny或者sentence特征的字符串

unlist(str_extract_all(example_text2, "tiny|sentence"))

[1] "sentence" "tiny" "sentence"

#点号进行模糊匹配

str_extract(example_text2, "sm.ll")

[1] "small"

#中括号内表示可选字符串

str_extract(example_text2, "sm[abc]ll")

[1] "small"

str_extract(example_text2, "sm[a-p]ll")

[1] "small"