R语言正则表达式语法

在之前文章stringr包里面提到需要用到正则表达式的去处理一些杂乱数据，尤其是在处理从网络爬取的数据，而非自由平台的数据时候，数据是非常脏的。

R语言可运用正则表达式的函数

1、有基础包自带函数grep, grepl, regexpr, gregexpr，regexec，sub，gsub 这些函数的参数都一样

grep(pattern, x, ignore.case = FALSE, perl = FALSE, value = FALSE, useBytes = FALSE, invert = FALSE)

常用参数说明

pattern：正则表达式或者固定字符串

x：需要处理的数据向量/文本

ignore.case：是否区分大小写

perl：是否用perl兼容的参数

invert：是否返回不匹配的值

2、stringr包中的匹配、提取函数（如：str_replace、str_replace_all、str_detect、str_match、str_extract）同样可以根据正则表达式语法构造所需要的通配符。

正则表达式基本语法：

在R正则表达式里预定义的字符类选集
[:digit:]	数字：0-9	[:punct:]	标点符号
[:lower:]	小写字母：a-z	[:graph:]	图形字符：[:alnum:]、[:punct:]
[:upper:]	大写字母：A-Z	[:blank:]	空格字符：空格和制表
[:alpha:]	字母字符：a-zA-Z	[:space:]	空字符：空格、制表、换行和其他空字符
[:alnum:]	数字和字母字符	[:print:]	可打印字符：[:alnum:]、[:punct:]、[:space:]

R正则表达式里的量化符
？	前面的元素是可选的，并且最多匹配一次			*?	重复任意次，但尽可能少重复
*	前面的元素会被匹配0次或者多次			+?	重复1次或更多次，但尽可能少重复
+	前面的元素会被匹配1次或者多次			??	重复0次或1次，但尽可能少重复
{n}	前面的元素会正好被匹配n次			{n,m}?	重复n到m次，但尽可能少重复
{n，}	前面的元素会被匹配n次或者多于n次			{n,}?	重复n次以上，但尽可能少重复
{n，m}	前面的元素至少会被匹配n次，但不超过m次

R中部分含有特殊含义的符号
\w	单词字符：[[:alnum:]]	\W	非单词字符：^[[:alnum:]]
\s	空字符:[[:blank:]]	\S	非空字符:^[[:blank:]]
\d	数字：[[:digit:]]	\D	非数字：^[[:digit:]]
\b	单词的边界	\B	非单词的边界
\<	单词的起始	\>	单词的结尾
.	匹配除换行符以外的任意字符	$	匹配字符串的结束
^	匹配字符串的开始	\	转义字符，用于查找元字符本身，如：.，*
name|loc	匹配 name 或 loc
[nameloct]	匹配所包含的任意一个字符
[^nameloct]	匹配未包含的任意字符

更新中，请谅解》》》》》》》》》》》》》》》》》》》》》》》》》

R语言正则表达式语法在之前文章stringr包里面提到需要用到正则表达式的去处理一些杂乱数据，尤其是在处理从网络爬取的数据，而非自由平台的数据时候，数据是非常脏的。R语言可运用正则表达式的函数 1、有基础包自带函数grep, grepl, regexpr, gregexpr，regexec，sub，gsub这些函数的参数都一样grep(pattern, x, ignore.... string str = richTextBox1.Text;//获取输入框内容 //正则提取所有数字 MatchCollection result = Regex.Matches(str, @"[\-\d\.]+"); richTextBox3.AppendText("使用 正则表达式 提取数字\r\n 正则表达式 ，是根据字符串规律按一定法则，简洁表达一组字符串的表达式。 正则表达式 通常就是从貌似无规律的字符串 中 发现规律性，进而概括性地表达它们所共有的规律或模式，以方便地操作处理它们，这是真正的化繁为简，以简御繁的典范。 几乎所有的高级编程语言都支持 正则表达式 ， 正则表达式 广泛应用于文本挖掘、数据预处理，例如： 检查文本 中 是否含有指定的特征词 找出文本 中 匹配特征词的位置 从文本 中 提取信息 正则表达式 包括：只能匹配自身的普通字符（如英文字母、数字、标点等）和被转义了的特殊字符（称为‘‘元字