[每日一答] [20151019] R语言中的正则表达式

元字符

元字符是指正则表达式中使用一些固定的字符，来代表一定的规则，类似关键字的概念。

常用的元字符

代码 说明

. 匹配除换行符以外的任意字符

\w    匹配字母或数字或下划线或汉字

\s    匹配任意的空白符

\d   匹配数字

^    匹配字符串的开始

$    匹配字符串的结束

QQ="12345678"

notQQ="12345d678"

#注意，在R中，\要换成\\，悲剧的规定，大家淡定地接受就好了

grepl('^\\d{5,12}$', QQ)

#TRUE

grepl('^\\d{5,12}$', notQQ)

#FALSE

word="a     g"

grepl('^a\\s*g$', word)

#TRUE

word="a   d  g"

grepl('^a\\s*g$', word)

#FALSE

grepl('^a.*g$', word)

字符转义

如果你想查找元字符本身的话，比如你查找.,或者*,就出现了问题：

你没办法指定它们，因为它们会被解释成别的意思。

这时你就得使用\来取消这些字符的特殊意义。

因此，你应该使用\.和\*。当然，要查找\本身，你也得用\\.

word1="I am a good man."

word2="I am a good man。"

grepl('.$', word1)

#TRUE

grepl('.$', word2)

#TRUE

grepl('\\.$', word1)

#TRUE

grepl('\\.$', word2)

#FALSE

重复

你已经看过了前面的*,+,{2},{5,12}这几个匹配重复的方式了。

下面是正则表达式中所有的限定符(指定数量的代码，例如*,{5,12}等)：

常用的限定符

代码/语法   说明

*       重复零次或更多次

+      重复一次或更多次

?      重复零次或一次

{n}    重复n次

{n,}    重复n次或更多次

{n,m} 重复n到m次

QQ="12345678"

notQQ="12345d678"

grepl('^\\d{5,12}$', QQ)

范围

使用[]代表字符的可选项，加上-，代表一个范围，例如[1-9]，代表了[123456789]，[a-d]代表了[abcd]

QQ="12345678"

notQQ="12345d678"

#注意，在R中，\要换成\\，悲剧的规定，大家淡定地接受就好了

grepl('^[0-9]{5,12}$', QQ)

grepl('^[0-9]{5,12}$', notQQ)

反义

常用的反义代码

代码/语法     说明

\W         匹配任意不是字母，数字，下划线，汉字的字符

\S         匹配任意不是空白符的字符

\D         匹配任意非数字的字符

\B         匹配不是单词开头或结束的位置

[^x]        匹配除了x以外的任意字符

[^aeiou] 匹配除了aeiou这几个字母以外的任意字符

word="a     g"

grepl('^a\\S*g$', word)

#FALSE

word="abcdefg"

grepl('^a\\S*g$', word)

#TRUE

grepl('^[^a]\\S*g$', word)

#FALSE，这里要注意[^a]的用法

逻辑 或者|

word=c("ab", "bc", "cd", "abcd")

grepl('a|b', word)

#TRUE  TRUE FALSE  TRUE

元字符

元字符是指正则表达式中使用一些固定的字符，来代表一定的规则，类似关键字的概念。

常用的元字符

代码 说明

. 匹配除换行符以外的任意字符

\w    匹配字母或数字或下划线或汉字

\s    匹配任意的空白符

\d   匹配数字

^    匹配字符串的开始

$    匹配字符串的结束

QQ="12345678"

notQQ="12345d678"

#注意，在R中，\要换成\\，悲剧的规定，大家淡定地接受就好了

grepl('^\\d{5,12}$', QQ)

#TRUE

grepl('^\\d{5,12}$', notQQ)

#FALSE

word="a     g"

grepl('^a\\s*g$', word)

#TRUE

word="a   d  g"

grepl('^a\\s*g$', word)

#FALSE

grepl('^a.*g$', word)

字符转义

如果你想查找元字符本身的话，比如你查找.,或者*,就出现了问题：

你没办法指定它们，因为它们会被解释成别的意思。

这时你就得使用\来取消这些字符的特殊意义。

因此，你应该使用\.和\*。当然，要查找\本身，你也得用\\.

word1="I am a good man."

word2="I am a good man。"

grepl('.$', word1)

#TRUE

grepl('.$', word2)

#TRUE

grepl('\\.$', word1)

#TRUE

grepl('\\.$', word2)

#FALSE

重复

你已经看过了前面的*,+,{2},{5,12}这几个匹配重复的方式了。

下面是正则表达式中所有的限定符(指定数量的代码，例如*,{5,12}等)：

常用的限定符

代码/语法   说明

*       重复零次或更多次

+      重复一次或更多次

?      重复零次或一次

{n}    重复n次

{n,}    重复n次或更多次

{n,m} 重复n到m次

QQ="12345678"

notQQ="12345d678"

grepl('^\\d{5,12}$', QQ)

范围

使用[]代表字符的可选项，加上-，代表一个范围，例如[1-9]，代表了[123456789]，[a-d]代表了[abcd]

QQ="12345678"

notQQ="12345d678"

#注意，在R中，\要换成\\，悲剧的规定，大家淡定地接受就好了

grepl('^[0-9]{5,12}$', QQ)

grepl('^[0-9]{5,12}$', notQQ)

反义

常用的反义代码

代码/语法     说明

\W         匹配任意不是字母，数字，下划线，汉字的字符

\S         匹配任意不是空白符的字符

\D         匹配任意非数字的字符

\B         匹配不是单词开头或结束的位置

[^x]        匹配除了x以外的任意字符

[^aeiou] 匹配除了aeiou这几个字母以外的任意字符

word="a     g"

grepl('^a\\S*g$', word)

#FALSE

word="abcdefg"

grepl('^a\\S*g$', word)

#TRUE

grepl('^[^a]\\S*g$', word)

#FALSE，这里要注意[^a]的用法

逻辑 或者|

word=c("ab", "bc", "cd", "abcd")

grepl('a|b', word)

#TRUE  TRUE FALSE  TRUE