在R語言中使用正則表示式替換，可以使用sub()函式，用於全域性替換則用gsub()函式。

1、例子

假設有一個字串向量，需要將多位元組文字過濾出來：

>a<-c("abc\x9422",'女','男','女')

如果直接對其使用大小寫轉換函式toupper()，則會報錯：

> toupper(a)
Error in toupper(a) : 多位元組字串1有錯

如何將該多位元組字元去掉呢？假定它是讀資料檔案引入，沒有意義的。

2、過濾步驟

思路：先將字串向量轉換為字元形式串，然後使用正則表示式替換，因為轉換成字串形式時，只能針對單個向量元素進行，故需要做一個函式，在使用lapply()作用於所有的向量元素。

（1）將字串向量轉換為字串形式

> deparse(a)
[1] "c(\"abc\\x9422\", \"女\", \"男\", \"女\")"

（2）使用正則表示式替換，首先替換掉\"符號，然後再替換掉多位元組字元（模式為：\x\d{2}，也就是\x加兩個字元）

sub("\\\"","",deparse(p))

sub("\\\\x\\d{2}",'',sub("\\\"","",deparse(p))

（3）封裝成處理函式

b<-function(p){sub("\\\\x\\d{2}",'',sub("\\\"","",deparse(p))}

（4）將字串處理函式應用到向量

lapply(a,FUN=b)

（5）將結果列表轉換為向量

> unlist(lapply(a,FUN=b))
[1] "abc22" "女"    "男"    "女"

（6）完整的表示式

> b<-function(p){sub("\\\\x\\d{2}",'',sub("\\\"","",deparse(p))}

[1] "abc22" "女"    "男"    "女"   

> grep("[a-z]", letters)
 [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
[25] 25 26
#引數value的使用

> grep("[a-z]", letters,value=TRUE)
 [1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n" "o" "p" "q" "r"
[19] "s" "t" "u" "v" "w" "x" "y" "z"
#將字串的首字母轉換為大寫

> gsub("^(\\w)", "\\U\\1", "a test of capitalizing", perl=TRUE)
[1] "A test of capitalizing"
#將字串中每個單詞的首字母轉換為大寫

> gsub("\\b(\\w)", "\\U\\1", "a test of capitalizing", perl=TRUE)
[1] "A Test Of Capitalizing"

#對電子郵件地址進行匹配為例，用一個正則表示式來匹配電子郵件地址是一項很常見的任務。
>text<-c("[email protected]","[email protected]","[email protected]","[email protected]","[email protected]")
> text
[1] "[email protected]"     "[email protected]"   "[email protected]"
[4] "[email protected]"     "[email protected]"
> grep("(\\w+\\.)*\\[email protected](\\w+\\.)+[a-zA-Z]+",text)
[1] 1 3 5