正则表达式

正则表达式是对字符串（包括普通字符（例如，a 到 z 之间的字母）和特殊字符（称为“元字符”））操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。正则表达式是一种文本模式，该模式描述在搜索文本时要匹配的一个或多个字符串。

Cheat Sheet：Basic Regular Expressions in R

正则表达式

普通字符：普通字符包括没有显式指定为元字符的所有可打印和不可打印字符。可直接匹配自身。
元字符：元字符加斜杠\匹配自身(在R中斜杠为\\，匹配+应写为\\+

非打印字符

非打印字符也可以是正则表达式的组成部分。下表列出了表示非打印字符的转义序列

字符	描述
\cx	匹配由x指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。 x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 ‘c’ 字符。
\f	换页符
\n	换行符
\r	回车符
\t	制表符
\v	垂直制表符
\s	空白字符，等价于[ \f\n\r\t\v]
\S	非空白字符，等价于[^ \f\n\r\t\v]

打印字符

打印字符	描述	等价
.(dot)	匹配除换行符、制表符之外的任何单个字符	[^\n\r]
\d	匹配一个数字	[0-9]
\D	匹配一个非数字	[^0-9]
\w	匹配字母、数字、下划线	[A-Za-z0-9_]
\W	匹配非字母、数字、下划线	[^A-Za-z0-9_]

限定符

限定符	描述	等价
*	零次或多次	{0,}
+	一次或多次	{1,}
?	零次或一次	{0,1}
{n}	匹配确定的n次
{n,}	至少匹配n次
{n,m}	匹配>=n且<=m次

{% note warning %} 限定符都是贪婪匹配，在之后放置 ?，可转换为最小匹配（如*?） {% endnote %}

定位符

定位符	描述	示例
$	匹配结尾位置	(.csv)$
^	匹配开始位置	^(Windows)
\b	匹配单词边界位置	er\b 可以匹配never 中的 er，但不能匹配 verb 中的 er
\B	匹配非单词边界位置	er\B 能匹配 verb 中的 er，但不能匹配 never 中的 er

选择

选择	描述	举例
(pattern)	匹配pattern并获取结果
(?:pattern)	匹配 pattern 但不获取匹配结果	Win(?:7\|10)相当于Win7\|Win10简略版
(?=pattern)	正向肯定预查（look ahead positive assert)	Win(?=XP)能匹配WinXP中的Win，但不能匹配Win10中的Win
(?!pattern)	正向否定预查(negative assert)	Win(?!XP)能匹配"Win10"中的Win，但不能匹配WinXP中的Win
(?<=pattern)	反向(look behind)肯定预查	(?<=7)Win能匹配7Win中的Win，但不能匹配10Win中的Win
(?<!pattern)	反向否定预查	(?<!7)Win能匹配10Win中的Win，但不能匹配7Win中的Win

字符集合

字符集合	描述
x | y	或，优先级最低
[xyz]	字符集合，匹配任意一个
[a-z]	小写字母
[0-9]	数字
[^xyz]	匹配不在集合里的任意字符
[^a-z]	除了小写字母
[A-Z]	大写字母
\num	匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。 例如，’(.)\1’ 匹配两个连续的相同字符。

R语言通用字符集

字符集合	描述
[:punct:]	punctuation
[:alpha:]	letters.
[:lower:]	lowercase letters.
[:upper:]	upperclass letters.
[:digit:]	digits.
[:xdigit:]	hex digits.
[:alnum:]	letters and numbers.
[:cntrl:]	control characters.
[:graph:]	letters, numbers, and punctuation.
[:print:]	letters, numbers, punctuation, and whitespace.
[:space:]	space characters (basically equivalent to \s).
[:blank:]	space and tab.