定义
正则表达式是对字符串操作的一种逻辑公式。
作用对象
正则表达式的作用对象是文本。
作用
*逻辑过滤
*精准抓取
特点
- 灵活性、逻辑性和功能性非常强
- 可以迅速地、用极简单的方式达到字符串的复杂控制
语法规则
\ 转义字符
. 除了换行以外的任意字符
^ 放在句首,表示一行字符串的起始
$ 放在句尾,表示一行字符串的结束
* 零个或者多个之前的字符
+ 一个或者多个之前的字符
? 零个或者一个之前的字符
方括号[],代表可以匹配其中任何一个字符。而^在[]中代表“非”,-代表“之间”
– [qjk]:q,j,k中任意一个字符
– [^qjk]:非q,k的任意其它字符
– [a-z]:a至z中任意一个小写字符
– [^a-z]: 非任意一个a至z小写字符的其它字符(可以是大写字符)
– [a-zA-Z]:任意一个英文字母
– [a-z]+: 一个或者多个小写英文字母
| 或者
小括号()与花括号{}配合“|”使用
特别注意:保留字符都需要转义字符 \ 来转义表示
例如:
常用的特殊转义字符含义
\n:换行符
\t:tab
\w:任意字母(包括下划线)或者数字 即 [a-zA-Z0-9_]
\W:\w的反义 即[^a-zA-Z0-9_]
\d:任意一个数字 即[0-9]
\D:\d的反义 即[^0-9]
\s:任意一个空格,比如space,tab,newline 等
\S:\s的反义,任意一个非空格
正则表达式的常用函数
grepl:返回一个逻辑值
grep:返回匹配的id,
agrep:返回匹配的id,
正则替换:sub和gsub
两者的区别如下
# 将b替换为B
gsub(pattern = "b",replacement = "B",x = "baby")
[1] "BaBy"
gsub(pattern = "b",x = c("abcb","boy","baby"))
[1] "aBcB" "Boy" "BaBy"
# 只替换第一个b
sub(pattern = "b",x = "baby")
[1] "Baby"
sub(pattern = "b","baby"))
[1] "aBcb" "Baby"
regexpr:返回一个数字,1表示匹配,-1表示不匹配,以及两个属性,匹配 的长度和是否使用useBytes regexec:返回一个list,字符串中第一个匹配及其长度以及是否使用useBytes gregexpr:返回一个list,每一个匹配及其长度以及是否使用useBytes