在R中利用正则表达式

再次声明，用R来处理惩罚字符串数据并不是一个很好的选择，照旧推荐利用Perl可能Python等语言。不外R自己除了提供了一些常用的字符串处理惩罚函数，也对正则表达式有了必然的支持，详细各个函数的利用要领照旧要参考R的辅佐文档。
sub()与gsub()利用正则表达式对字符串举办替换。
grep()、regexpr()、gregexpr()都是用于正则表达式的匹配，只是返回的功效名目有些差异。
几个函数的利用名目如下：

grep(pattern, x, ignore.case = FALSE, extended = TRUE,
perl = FALSE, value = FALSE, fixed = FALSE, useBytes = FALSE)

regexpr(pattern, text, ignore.case = FALSE, extended = TRUE,
perl = FALSE, fixed = FALSE, useBytes = FALSE)

gregexpr(pattern, text, ignore.case = FALSE, extended = TRUE,
perl = FALSE, fixed = FALSE, useBytes = FALSE)

sub(pattern, replacement, x,
ignore.case = FALSE, extended = TRUE, perl = FALSE,
fixed = FALSE, useBytes = FALSE)

gsub(pattern, replacement, x,
ignore.case = FALSE, extended = TRUE, perl = FALSE,
fixed = FALSE, useBytes = FALSE)

个中参数pattern暗示用于匹配的正则表达式模式；参数x和text暗示用于搜索的字符串向量；参数ignore.case为FALSE时，暗示模式匹配是对字母的巨细写敏感；参数VALUE也是一个逻辑变量，若为FALSE，grep函数会返回一个由匹配元素地址的位置构成的向量，若为TRUE，则返回由匹配元素自己构成的向量；参数replacement只在函数sub和gsub中呈现，用于举办替换，假如fixed=FALSE,可通过\1，…,\9往返溯引用匹配模式中由括号括起来的子表达式。假如参数perl=TRUE,还可以通过\U或\L将匹配字符转换成大写或小写。
一些示例代码：

> 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
#参数value的利用
> 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”
#将字符串的首字母转换为大写
> gsub(“^(\\w)”, “\\U\\1”, “a test of capitalizing”, perl=TRUE)
[1] “A test of capitalizing”
#将字符串中每个单词的首字母转换为大写
> gsub(“\\b(\\w)”, “\\U\\1”, “a test of capitalizing”, perl=TRUE)
[1] “A Test Of Capitalizing”
#对电子邮件地点举办匹配为例，用一个正则表达式来匹配电子邮件地点是一项很常见的任务。
>text<-c(“[email protected]”,”[email protected]”,”ka…[email protected]”,”[email protected]″,”[email protected]”)
> text
[1] “[email protected]” “[email protected]” “ka…[email protected]”
[4] “[email protected]” “[email protected]”
> grep(“(\\w+\\.)*\\w+@(\\w+\\.)+[a-zA-Z]+”,text)
[1] 1 3 5