R语言中的正则表达式最全解析

最新推荐文章于 2024-04-11 14:47:37 发布
最新推荐文章于 2024-04-11 14:47:37 发布
阅读量1.8k 收藏 3
点赞数
分类专栏： R 文章标签： 正则表达式
原文链接：https://blog.csdn.net/qq_38984677/article/details/83960593
版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接： https://blog.csdn.net/qq_38984677/article/details/83960593

正则表达式即使用一个字符串来描述、匹配一系列某个语法规则的字符串。通过特定的字母、数字及特殊符号的灵活组合即可完成对任意字符串的匹配，从而达到提取相应文本信息的目的。R语言中有两种风格的正则表达式可实现，一种是在基本正则表达式基础上进行扩展，这和相应的R字符串处理函数相关，另一种就是Perl正则表达式，这种风格的正则在R中一般不常用。R默认的正则表达式风格包括基础文本处理函数和stringr包中的文本处理函数。在R中二者都支持正则表达式也都具备基本的文本处理能力，但基础函数的一致性要弱很多，在函数命名和参数定义上很难让人印象深刻。stringr包是Hadley Wickham开发了一款专门进行文本处理的R包，它对基础的文本处理函数进行了扩展和整合，在一致性和易于理解性上都要优于基础函数。如果要在正则表达式中表示元字符本身，比如在文本中查找问号?，那么就要使用引用符号(或换码符号)，一般是反斜杠'\'。需要注意的是在R语言中得用两个反斜杠即\\，如要匹配括号就要写成'\\(\\)'

一.基本正则表达式语法

实际应用中正则表达式的一个比较经典使用场景是识别电子邮箱地址。一个正常的电子邮箱账户应该由下面几部分构成：任意字符、数字和符号组成的用户名+@+.+com/net等域名。根据正则表达式的语法规则，就可以由这几部分写出邮箱账户的正则表达式：


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     [A-Za-z0-9\\._+]+@[
     
     A-
     
     Za-
     
     z0-
     
     9]+\.(
     
     com|
     
     org|
     
     edu|
     
     net)
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #[A-Za-z0-
     
     9\\._+]+：A-Z表示匹配任意A-Z大写字母,所有可能组合放在中括号里表示可以匹配其中的任一个,加号表示任意字符可以出现
     
     1次或者多次,\表示转义
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     grepl(
     
     '[A-Za-z0-9\\._+]',
     
     '\\')		#TRUE
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     @：邮箱必须的一个符号
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     [A-Za-z0-
     
     9]：同前面一样,@符号后面必须有一个包含运营商信息的字符串
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     \.：邮箱地址中必须要有的一个点号
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     (com|org|edu|net)：列出邮箱地址可能的域名系统,括号内表示分组处理,|符号表示或

二.正则表达式速查表

三.正则表达式圆括号


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #圆括号是组,应用在限制多选结构的范围/分组/捕获文本/环视/特殊模式处理
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #圆括号里面的内容表示一个子表达式,()本身并不匹配任何东西
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     (\\s+)		
     
     #表示连续空白字符的字符串
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     (abc
     
     |bcd|cde)		
     
     #表示出现三者之一(顺序必须一致)
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     a(?=bbb)	
     
     #表示a后面必须紧跟3个连续的b

四.正则表达式中的\1、\2含义


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #\1表示重复第一个括号里面的内容,\2表示重复第二个括号里面的内容
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #\1、\2必须和()配合使用
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     x=c(
     
     'abbbbccccaaba')
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     m <-regexpr(
     
     "(a).*?\\1", x)	
     
     #?非贪婪匹配失效
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     regmatches(x, m)		
     
     #"abbbbccccaaba"
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     x=c(
     
     'aaaaaaaaabbbbcccc')
    
    
    
   
   
  8. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     m <-regexpr(
     
     "(a)\\1+?", x)
    
    
    
   
   
  9. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     m <-regexpr(
     
     "(a)\\1+", x)	
     
     #与上式等价,用\1或\2时不能识别非贪婪匹配
    
    
    
   
   
  10. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  11. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     x=c(
     
     'aaaaaaaaabbbbcccc')
    
    
    
   
   
  12. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     m <-regexpr(
     
     "(\\w)\\1+", x)
    
    
    
   
   
  13. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     regmatches(x, m)	
     
     #'aaaaaaaaa'
    
    
    
   
   
  14. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  15. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     x=c(
     
     'abbbbcccc')
    
    
    
   
   
  16. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     m <-regexpr(
     
     "(\\w)\\1+", x)
    
    
    
   
   
  17. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     regmatches(x, m)	
     
     #'bbbb'

五.stringr包文本处理函数中正则表达式的使用

stringr包一共提供30个字符串处理函数，其中大部分均可支持正则表达式应用，包内所有以str_开头函数，后面单词用来说明该函数含义，相较于基础文本处理函数，stringr包函数更易理解


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     example_text2 <- 
     
     "1. A small sentence. - 2. Another tiny sentence."
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     library(stringr)
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #提取small特征字符
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     str_extract(example_text2, 
     
     "small")
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     [
     
     1] 
     
     "small"
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #提取包含sentence特征的全部字符串
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     unlist(str_extract_all(example_text2, 
     
     "sentence"))
    
    
    
   
   
  8. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     [
     
     1] 
     
     "sentence" 
     
     "sentence"
    
    
    
   
   
  9. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #提取以1开始的字符串
    
    
    
   
   
  10. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     str_extract(example_text2, 
     
     "^1")
    
    
    
   
   
  11. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     [
     
     1] 
     
     "1"
    
    
    
   
   
  12. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #提取以句号结尾的字符
    
    
    
   
   
  13. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     unlist(str_extract_all(example_text2, 
     
     ".$"))
    
    
    
   
   
  14. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     [
     
     1] 
     
     "."
    
    
    
   
   
  15. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #提取包含tiny或者sentence特征的字符串
    
    
    
   
   
  16. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     unlist(str_extract_all(example_text2, 
     
     "tiny|sentence"))
    
    
    
   
   
  17. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     [
     
     1] 
     
     "sentence" 
     
     "tiny" 
     
     "sentence"
    
    
    
   
   
  18. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #点号进行模糊匹配
    
    
    
   
   
  19. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     str_extract(example_text2, 
     
     "sm.ll")
    
    
    
   
   
  20. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     [
     
     1] 
     
     "small"
    
    
    
   
   
  21. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #中括号内表示可选字符串
    
    
    
   
   
  22. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     str_extract(example_text2, 
     
     "sm[abc]ll")
    
    
    
   
   
  23. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     [
     
     1] 
     
     "small"
    
    
    
   
   
  24. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     str_extract(example_text2, 
     
     "sm[a-p]ll")
    
    
    
   
   
  25. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     [
     
     1] 
     
     "small"

对于特定字符可以手动指定，比如[a-zA-Z]表示a-z和A-Z之间的所有字母，但R预先定义了一些字符集


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     str_extract(example_text2, 
     
     "([[:alpha:]]).+?\\1")
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     [
     
     1] 
     
     "A small sentence. - 2. A"

 R中正则表达式的应用还有若干简化的形式，它被分配给几个特定的字符类，如下表所示：


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #提取全部单词字符
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     unlist(str_extract_all(example_text2, 
     
     "\\w+"))
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     [
     
     1] 
     
     "1"        
     
     "A"        
     
     "small"    
     
     "sentence" 
     
     "2"        
     
     "Another"  
     
     "tiny"    
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     [
     
     8] 
     
     "sentence"

六.正则表达式的运算顺序

圆括号括起来的表达式最优先，然后是表示重复次数的操作(即：*+{})，接下来是连接运算(其实就是几个字符放在一起，如abc)，最后是表示可选项的运算(|)。所以 'foot|bar'可以匹配'foot'或者'bar'

七.\b单词边界


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     "\b"匹配单词边界,不匹配任何字符(只是一个位置),这个位置的一侧是构成单词的字符,另一侧是非单词字符、字符串开始或结束位置.
     
     "\b"是零宽度的
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     --正则表达式中的单词指
     
     "\w"定义的字符所组成的子串
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     ---------
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     "\w"范围：
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     在支持ASCII码的语言中,如JavaScript,
     
     "\w"等价于[a-zA-Z0
     
     -9_] 
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     在支持
     
     Unicode的语言中,如.NET,默认情况下,除可以匹配[a-zA-Z0
     
     -9_]外,还可以匹配一些
     
     Unicode字符集,如汉字,全角数字等
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     --------
    
    
    
   
   
  8. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     "\b"在正则中,通常都是表示单词边界,但在字符组中,表示退格键,如[a-z\b]

 

xiaoyanzi9_13
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
r语言正则表达式_R中的正则表达式
从零开始的教程世界
07-20 6275
r语言正则表达式Regular expressions in R or a regex are a sequence of special characters that are defined to match a particular search pattern in the text. Regular expressions can be created for several diver...
R语言正则表达式基础
XIAOFEI@IDO
04-09 4462
一、背景 正则表达式，是根据字符串规律按一定法则，简洁表达一组字符串的表达式。正则表达式通常就是从貌似无规律的字符串中发现规律性，进而概括性地表达它们所共有的规律或模式，以方便地操作处理它们，这是真正的化繁为简，以简御繁的典范。 几乎所有的高级编程语言都支持正则表达式，正则表达式广泛应用于文本挖掘、数据预处理，例如： 检查文本中是否含有指定的特征词 找出文本中匹配特征词的位置 从文本中提取信息 修改文本 正则表达式包括：只能匹配自身的普通字符（如英文字母、数字、标点等）和被转义了的特殊字符（称为‘‘元字
R语言入门：unlist()函数的用法
最新发布
泥木的博客
04-11 407
在这些示例中，可以看到unlist()函数的使用方式和效果。它可以将复杂的嵌套结构转换为扁平的向量，方便进行数据处理和分析。
Python正则表达式中的r
weixin_44714674的博客
03-31 2508
在Python的string前面加上‘r’， 是为了告诉编译器这个string是个raw string，不要转意backslash ‘’ 。 例如，\n 在raw string中，是两个字符，\和n， 而不会转意为换行符。由于正则表达式和 \ 会有冲突，因此，当一个字符串使用了正则表达式后，最好在前面加上’r’。 例：r"\n\n\n\n\n\n” 作用：声明后面的字符串是普通字符串 特殊字符串中含有：转义字符 \n \t 什么什么的 用途：一般用在 正则表达式、文件绝对地址 1，正则表达式： 2、系统路
Python正则表达式中的‘r‘
explorer5568的博客
11-11 6813
Python中的正则表达式，前面加'r'会给正则表达式带来什么变化
R语言基础（2）——基本操作
令平子的博客
11-05 3195
R语言的入门操作，从最简单的操作开始。
从自然语言创建正则表达式-JavaScript开发
05-26
natural-regex是一个解析器，使您可以用自然语言编写正则表达式。 这意味着您可以使用任何人都无法理解的更简单的语法来编写自我记录的正则表达式。 验证和其他东西不再让您痛苦。 安装您可以安装natural-r
正则表达式
10-30
在IT行业中，正则表达式被广泛应用于各种编程语言和文本编辑器，以高效地处理字符串数据，尤其是在HTML和XML文档的解析中。下面我们将深入探讨正则表达式的概念、语法以及在C#中的应用实例。 1. 正则表达式基本概念...
正则表达式请大家帮忙处理一下下.docx
12-30
在IT行业中，正则表达式广泛应用于数据验证、搜索与替换、文本解析等多个领域。以下是一些关于正则表达式的基础知识和常见用法： 1. **基本概念**： - **元字符**：如`^`（行首）、`$`（行尾）、`.`（匹配任意单个...
Python正则表达式的使用范例详解
10-25
Python正则表达式是Python编程语言中用于处理文本模式匹配的强大工具。在Python中，正则表达式主要通过`re`模块来实现。这个模块提供了一系列的方法，如`match()`、`search()`和`findall()`，用于在字符串中查找、...
R语言正则表达式
YYDGS的博客
10-28 3004
R语言正则表达式 本文主要说明R语言的正则表达式，主要是一些简单的函数和stringr包常用的方法 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。 一些R自带的正则函数 grep，主要参数为匹配规则，待匹配的字符串，返回向量中匹配成功的字符串的下标 s&lt;-c('1234abc456','123abcdefabc') #返回下标 grep('abc',s) [1] 1 2 g...
R语言：正则表达式的使用（基于网页抓取）
吴佳莹
05-29 1882
原文链接 —————————————————————————————————— R语言：正则表达式的使用（基于网页抓取） 有时候我们要处理的是非结构化的数据，例如网页或是电邮资料，那么就需要用R来抓取所需的字符串，整理为进一步处理的数据形式。R语言中有一整套可以用来处理字符的函数，在之前的博文中已经有所涉及。但真正的要用好字符处理函数，则不得不...
正则表达式 %r{}操作符和.*? 表达式的区别
stepup
11-13 1556
#  .*? 和（.*?）表达的都是同一个意思，匹配任意字符，直到碰到第一个后面的表达式 #符号 %r{} 可以用来替代正则表达式的边界斜线/xxx/ #encoding = utf-8 require 'open-uri' test_text = "百度一下，你就知道" url = 'http://www.baidu.com/' page = open(url) text =
常用正则表达式大全 （转）
热门推荐
好记性不如烂笔头
03-29 35万+
网上找到的常用正则表达式，留着以后可能用得上，正则表达式实在是不好写，只好拿来主义了，在Delphi中没有自己带有正则表达式的组件，靠第三方了，都说PerlRegEx 是首选, 去这里下载，官方网站: http://www.regular-expressions.info/delphi.html。另外，万一老师在他的博客上写了PerRegEx的使用，可以去看看：http://www.cnblog
Python 正则表达式笔记（4）原始字符串
洪流之源
05-05 1205
&gt;&gt;&gt; mm = "c:\\a\\b\\c" &gt;&gt;&gt; mm 'c:\\a\\b\\c' &gt;&gt;&gt; print(mm) c:\a\b\c &gt;&gt;&gt; print(mm) c:\a\b\c &gt;&gt;&gt; re.match("c:\\\\",mm).group() 'c:\\'
java入门学习笔记（八）——常用类的使用、String类、StringBuffer类、正则表达式、基本数据类型的包装类、Object类、Math类
饮闲的博客
09-28 452
一、String类 常用方法介绍及示例如下，方法描述见注释： package PackageA; public class String_excess { public static void main(String[] args) { // 初始化训练 char a[]= {'这','是','一','个','字','符','串'}; String s3=new String(a); String s4=new String(a,3,2); String s5; s5=new
理解正则表达式中的(?R)递归
蓝翔顶级电脑技工
11-18 8511
先来个最简单的正则表达式递归 字符串 ：abc123dsf654wre485wer652 传统作法：\w{3}\d{3}\w{3}\d{3}\w{3}\d{3}\w{3}\d{3} 递归做法：(\w{3}\d{3}|(?R))* 你看递归的好处，精悍短少（有力），传统作法无法比拟。 在网上找了一番正则递归的资料，最终谷歌了一下，还是在PHP官网上面找到我想要的示例。<?php $st
正则表达式大全
08-21
正则表达式是一种用来匹配字符串模式的工具，它在各种编程语言中都得到广泛应用。正则表达式中包含一些特殊的字符，这些字符具有特定的含义，可以用于匹配、查找、替换等操作。 其中常见的特殊字符包括： 1. "\"：...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值