数据挖掘必备技能——正则表达式

正则表达式是数据挖掘必备技能，正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。

这里用R语言的正则函数来演示

常用匹配模式

• \d：任何一个数字字符 等价[0-9]
  

• \D：任何一个非数字字符 等价[^0-9]
  

• \w：任何一个数字或者字母、下划线，相当于[a-zA-Z0-9]
  

• \W：任何一个非数字或者字母
  

• \\：转义字符
  

其它匹配

• .：匹配任何一个字符

• |：可选则匹配任意一个

• ^：以特定模式开头开头或者表示逻辑非
  

• $：放在末尾，表示特定的结尾模式

• ()：提取匹配的字符串

• []：里面的表示可选
  

• {}：表达式重复最多次数
  

• *：匹配0次或者1次以上
  

• +：匹配1次以上，至少匹配一次
  

• ?：匹配0次或者一次

这里用R语言的stringr包的str_extract()这个函数和str_extract_all()演示，它们的区别是一个匹配成功一个就不再匹配，一个表示会把所有满足匹配条件的匹配出来。下面拿它们来演示，开始两个函数都会演示一下，为了说明它们的区别，为了减少文章篇幅，让大家浏览的轻松，之后就只拿str_extract()做演示。

先定义一个字符串：

s <- '123abc456'

\d：任何一个数字字符 等价[0-9]

后面“+”表示匹配连续一段数字字符。

下面只用str_extract()演示，因为它们区别只是是否匹配所有，所以只演示一个就行了。

\D：任何一个非数字字符 等价[^0-9]

\w：任何一个数字或者字母、下划线，相当于[a-zA-Z0-9]

\W：任何一个非数字或者字母

> str_extract(s,'\\W') [1] NA

\\：转义字符

> s <- '123abc456\\' > str_extract(s,'\\\\') [1] "\\"

.：匹配任何一个字符

> str_extract(s,'.') [1] "1" > str_extract(s,'.+') [1] "123abc456\\"

|：可选则匹配任意一个

> str_extract(s,'1|9') [1] "1"

^：以特定模式开头开头或者表示逻辑非

> s [1] "123abc456\\" "456def123"   > str_extract(s,'^123') [1] "123" NA

$：放在末尾，表示特定的结尾模式

> s [1] "123abc456\\" "456def123" > str_extract(s,'123$') [1] NA "123"

()：提取匹配的字符串

> str_extract(s,'123(.*?)456') [1] "123abc456" NA

[]：里面的表示可选

> s [1] "123abc456\\" "456def123"   > str_extract(s,'[123,456]+') [1] "123" "456"

{}：表达式重复最多次数

> s [1] "123123abc//" > str_extract(s,'(123){2}') [1] "123123" > str_extract(s,'(123){1}') [1] "123"

*：匹配0次或者1次以上

> s [1] "123abc456\\" "def" > str_extract(s,'\\d*') [1] "123" ""

+：匹配1次以上，至少匹配一次

> str_extract(s,'\\d+') [1] "123" NA

?：匹配0次或者一次

> s [1] "123abc456\\" "def" > str_extract(s,'456?') [1] "456" NA

当然了，喜欢用python的可以用python的re.search()函数练习正则表达式语法！

欢迎留言、提建议、意见，觉得不错，记得【点赞、分享】！

猜你可能喜欢

终于等到你了！

再华丽的词藻也不过简单的分享！

爱生活、爱原创、爱分享！

点击【阅读原文】有惊喜。