技術標籤：view函式替代字串的某個字元特殊符號會被當做字串嗎

承接R&Python Data Science系列:資料處理(5)--字串函式基於R(一)，繼續介紹R語言中的字串函式。

4.2R語言中的正則表示式

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

• 完全匹配

• 轉義符

• 元字元與反義符

• 重複量詞

• 分組與條件或

為了顯示字串中字元函式是怎麼匹配的，這裡使用str_view()函式進行講解。

4.2.1完全匹配

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

匹配text字串向量中的"a"：

str_view(text, "a")

匹配字串向量中的"lash"：

4.2.2 轉義符

字串中元字元、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元，只需在前面加上"\"即可。

text1 

我們想匹配字串中的"."，如果直接用完全匹配：

str_view(text1, ".")
 

為什麼匹配到的是"F"呢？因為"."是元字元，要想匹配到普通字元"."，需要使用"\"將其轉義成普通字元，若使用"\."匹配，結果會是怎麼樣呢？

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元"."，正確的應該去匹配"\\."

str_view(text1, "\\.")

如果在使用正則表示式的過程中，發現匹配到並不是你想要的結果，一檢查匹配規則是否正確，二是看下你想要匹配的字元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

元字元是正則表達是的最基本元素，匹配某個字元，反義符是取反的意思。

"."元字元

"."匹配除換行符\n以外的所有字元

text2 str_view(text2, ".")

匹配以"l"開始和"h"結束的字元：

str_view(text2, "l..h")

"\w"和"\W"

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

str_view(text2, "\\w")

str_view(text2, "\\W")

"\s"與"\S"

"\s"用於匹配空白符，而"\S"用於非"\s"。

str_view(text2, "\\s")

str_view(text, "\\S")

"\d"與"\D"

"\d"用於匹配數字，而"\D"用於匹配非"\D".

str_view(text2, "\\d")

str_view(text2, "\\D")

"\b"、"\B"、"^"、"$"

"\b"用於匹配字串的開始或者結束，字串的邊界，而"\B"用於非字串的邊界。

"^"用於匹配字串的開始，"$"用於匹配字串的結束。

text3 

匹配text3字串向量以"h"開始的字串：

str_view(text3, "\\bh")

等價於

str_view(text3, "^h")

匹配text3字串向量以"h"開結束的字串：

str_view(text3, "h\\b")

等價於

str_view(text3, "h$")

4.2.4 重複量詞

元字元是正則表示式的最基本元素，要想匹配多個元字元，例如匹配QQ號是8位數字的QQ的，使用元字元可以寫成^\\d\\d\\d\\d\\d\\d\\d\\d$，是不是發現很不簡潔，而且容易出錯，為了處理類似的重複性問題，正則表示式中有一些重複量詞，把重複部分用合適的量詞替代。

"*"與"+"重複量詞

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+")

"?"重複量詞

這裡涉及到貪婪和懶惰匹配。

貪婪匹配：通常正則表示式中包含能接受重複的限定符時，通常是匹配儘量多的字元，稱之為貪婪匹配。

懶惰匹配：希望匹配儘可能少的字元，需要使用"?"限制，只需要在限定符後面加上"?"。

例如：匹配以a開頭，以b結束的字串：

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

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

{n}、{n,}與{n,m}重複量詞

{n}：前面元素剛好重複n次；

{n,}：前面元素至少重複n次；

{n,m}：前面元素至少重複n次，最多重複m次；

匹配text4中，剛好是8個數字的字串：

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

匹配text4，含有至少8個數字的字串：

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

這裡可以執行一下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位數字的字串：

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

4.2.5 分組和條件或

上面重複量詞都是重複前面的一個元素，那麼如果我們想重複前面兩個元素，即需要將前面兩個元素作為一個整體。正則表示式中使用()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開頭的字串，總不能寫兩個匹配模式吧。正則表示式中使用"|"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開頭的字串：

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

等價於

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

4.2.6 R語言正則表示式總結

正則表示式部分比較晦澀，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包中的使用正則表示式的字串處理函式。