正则表达式和字符串处理

Posted 2021-05-02 菠菜队长

正则表达式

---

number<-“([0-9][-, ] [0-9][-, ] [0-9])|([0-9]-[0-9]-[0-9])”

（其中竖线是或的意思）

还有一些小规则讲一下，[0123456789]也是[0-9]的意思，若是要匹配小写字母，那就是[a-z]，匹配所有字母，就是[a-Z]；

‘^’是非的意思，也就是[^a-Z]意思是匹配所有非字母的字符；

‘.’是通配符，可以匹配任意字符；

‘.*’表示匹配任意长度的任意字符；

花括号的次数也有一些巧妙用法，举例说明吧，a{1,4}可以匹配"a"或者"aaaa"，a{1-3}可以匹配"a"、"aa"、"aaa"，colou{0,1}r就可以同时匹配到color和colour啦。还有若是这样a{3, }，就可以匹配连续出现三次及以上的a呢。

正则表达式函数

---

为了偷个懒，我就直接复制我的笔记了写得很清楚的=。=（标题是函数，括号内是每个位置上的参数哈）

1.grep(正则表达式,要匹配的文本,value=FALSE,invert=FALSE)

不改后两个默认参数则返回带有正则表达式的文本序号，当value为真时，返回匹配的文本内容；当invert为真时，返回没被匹配到的文本序号。

2.grepl(正则表达式,要匹配的文本)

返回的是由true/false组成的逻辑向量表示每个位置有没有匹配到。

3.regexpr(正则表达式,要匹配的文本)

返回内容第一行表示正则表达式在列表每一项的第N个位置开始被匹配到，-1表示没有匹配到，第二行表示匹配到的长度，-1表示没有匹配到。不要问我第三行是什么，反正我很少用这个函数，要定位裁剪和裁剪匹配到的长度时，我通常用的下面讲的那个包。

4. gsub(正则表达式，要替换成什么，要被替换的字符文本)

可以在文本中搜索正则表达式的内容，然后替换成预设的文本；

最后用思考题来结束这一部分，我在做kaggle的一个题目时，有这么一个人名列：

这是数据集full里的name变量，有位选手做了如下操作：

full$Title <- gsub('(.*, )|(\\..*)', '', full$Name)

stringr包

---

1.str_c(a,b)

用来做字符串连接的函数，我们可以用它连接两个字符串，也可以连接两个字符串向量。ab可同为字符串，或同为等长字符串向量，按序号连接。

2.str_length(a)

计算字符串长度，可以操作单个字符串，也可以操作向量。

3.str_sub(a,c1,c2)

 按位置截取我们想要的字符串,c1为截取的起始位置（默认值为1），c2为终点位置（默认值为-1）。

4.str_detect(a,c)

检测字符串a或字符串列表a是否能匹配到正则表达式c，返回逻辑值。

5.str_locate(a,c)

找出字符串a或字符串列表a匹配到正则表达式c的起始位置和终点位置（二维的wor），不含有c的返回NA。（我经常拿来和str_sub结合找到我要裁的位置然后剪出来）

6.str_extract(a,c)

7.str_replace(a,c,b)

替换，将字符串a或字符串列表a中匹配到正则表达式c的部分替换成b，和gsub( )一个功能，参数位置不同而已啦。

8.str_spilt(char,分隔符)

分割字符串，分隔符是见到什么符号就分割，结果不保留分隔符。

9.str_trim(char)

去除字符串前后的空白。

---

技术贴尝试告一段落，之后一定还会有超酷的题目的，不会就这样停的，然后我要试试其他路线了，等着我的毒鸡汤或者可怕的叙事文吧！可能写得很烂但我求求你不要取关嘛=。=

这里是菠菜队长

有事直接呼叫后台

队长帮你解决一切困难