R正则表达式-理论

Posted 2021-05-02 小袁的数量遗传学笔记

    正则表达式是描述字符串（strings）集合的一个模式（pattern），概念比较抽象，举个例子就比较好理解，比用.（点，英文句号）表示任意一个非空字符的话，那么A.就可以用来表示AA，AB...。

1．元字符

    上面这个简单的例子看到，用.（英文的句号）可以表示任意一个非空的字符，聪明的我们自然会问，还有没有别的符号代表“特殊的意义”？以下这些符号具有特殊的意义：

. 任意一个非空字符，如A.可表示AB，AC，等等

 |  表示或者的意思，如A|B表示A或者B，

( ) 表示模式分组，也可以理解为数学里面的优先计算，比如AB|C 究竟表达的意思是AB或C还是AB或AC呢，不必担心，加个括号就明朗。A(B|C),就表示AB或AC，

[] 表示内容之一，如[a-z]就表示a-z中的一个

{n} 表示前面的内容，匹配多少次；{n,m}次数在n-m之间

 ^  表示在字符串的开头，^放在[]里表示非

$ 表示字符串尾部

* 量词，表示前面匹配n个

+ 一个或多个

? 零个或多个

 \ 转义

\\t tab

\\n换行

2.类字符

\\d 表示数字0-9， 

\\D 表示非数字，

\\s 表示空白字符（包括空格、制表符、换行符等），

\\S 表示非空白字符，

\\w 表示字（字母和数字），

\\W 表示非字，

\num　其中num是一个正整数。对所获取的匹配的引用。例如，“(.)\\1”匹配两个连续的相同字符。

３．边界字符

\\b匹配一个单词边界，也就是指单词和空格间的位置。

\\B匹配非单词边界。

\\< 表示左空 \\>右空

４．正则表达式符号运算顺序

（）最优先，然后是表示重复次数的操作，即：* + {}，接下来是连接运算（其实就是几个字符放在一起，如abc），最后是表示可选项的运算|；这些运算规则并不重要，重要的是你想哪里优先，就在哪里加小括号。

---

下面链接下载Ｒ正则Cheat Sheet

https://www.rstudio.com/wp-content/uploads/2016/09/RegExCheatsheet.pdf