搜索
查看: 734|回复: 0

[R] 第10章 使用stringr处理字符串P2

[复制链接]

14

主题

26

帖子

141

积分

注册会员

Rank: 2

积分
141
发表于 2018-10-18 19:18:53 | 显示全部楼层 |阅读模式

同步滚动:
第10章 使用stringr处理字符串
要到正则表达式了!紧不紧张!刺不刺激

使用正则表达式进行模式匹配准备工作
[AppleScript] 纯文本查看 复制代码
library(tidverse)
library(stringr)
主要是通过两个函数str_view()和str_view_all() 首先用help函数自学一下!
[AppleScript] 纯文本查看 复制代码
x <- c("apple","banana","pear")
思考一下,我想要提取其中的apple字符可以用几种方式?最简单的就是x[[1]]
但是这里有一个bug,就是我们已经知道了apple字符所在的向量中的位置
如果我们不知道呢?
[AppleScript] 纯文本查看 复制代码
str_view(x,"apple")
str_detect(x, "apple")
[1]  TRUE FALSE FALSE
str_locate(x, "apple")
     start end
[1,]     1   5
[2,]    NA  NA
[3,]    NA  NA
identical
str_view函数内部是一个if循环加上identical函数、str_detect函数,str_locate函数、str_sub函数、paste0函数。这些基本就构成了要学习的内容。当然关于paste0函数的问题答案有,自己去看看喽。
[AppleScript] 纯文本查看 复制代码
function (string, pattern, match = NA) 
{
    if (identical(match, TRUE)) {
        string <- string[str_detect(string, pattern)] #提取了match=TRUE的内容
    }
    else if (identical(match, FALSE)) {
        string <- string[!str_detect(string, pattern)] #提取了match=FALSE的内容
    }
    loc <- str_locate(string, pattern) #查看匹配字符的位置
    has_match <- !is.na(loc[, "start"])# 提取loc中start位置,并且再次提取不是na的值
    str_sub(string[has_match], loc[has_match, , drop = FALSE]) <- paste0("<span class='match'>", 
        str_sub(string[has_match], loc[has_match, , drop = FALSE]), 
        "</span>")
    str_view_widget(string)
}
<bytecode: 0x0000000008ec0e90>
<environment: namespace:stringr>
这里书上先介绍了为什么“”或者’‘在里面不能算是一个字符型的向量,也介绍了如果想表示应该如何进行表达。其实这里面的转义运用的就是后边要介绍的正则表达式。所以读到这里很懵b的状态也没关系。
基础匹配
上面说用到了str_view()函数来匹配x中apple字符。如果我想要匹配所有an的单词?应该怎么办?书上写的很明白了,结合上面的应该能看懂。
后边又使用了正则表达式中的.来代表任意字符。
其实我感觉,这书为什么不把正则表达式放在前面讲。。。
. 可以匹配任何单个的字符字母数字甚至.字符本身。同一个正则表达式允许使用多个.字符。但不能匹配换行
\ 转义字符,如果要匹配就要写成“\(\)”
| 表示可选项,即|前后的表达式任选一个
^ 取非匹配
$ 放在句尾,表示一行字符串的结束
() 提取匹配的字符串,(\s*)表示连续空格的字符串
[] 选择方括号中的任意一个(如[0-2]和[012]完全等价,[Rr]负责匹配字母R和r)
{} 前面的字符或表达式的重复次数。如{5,12}表示重复的次数不能小于5,不能多于12,否则都不匹配
*(星号) 匹配零个或任意多个字符或字符集合,也可以没有匹配
+(加号) 匹配一个或多个字符,至少匹配一次
? 匹配零个或一个字符

关于元字符的概念和意义我就不在这里说了,我也说不明白啊!但是记住如果你想表达上述正则表达式的字符需要用转义符号/来表示,用writeLines()函数可以看见表达的意思。
书上举了非常极端的////的例子,读到这的时候乐懵b了....
这两个博客讲的都很不错,我的表格也是来自于这个博客。
锚点、字符类和字符选项、重复
锚点主要是告诉正则表达式你匹配的字符的位置,你是想匹配开头^还是结尾$出现a的字母啊!这里出现了一个/b来表示边界的问题。
字符型和字符选项主要是告诉正则表达式匹配的字符是什么类型的,是数字型啊?还是空白字符啊?还是巴拉巴拉?
这里有一个需要特殊记忆[^abc]代表匹配除了abc以外的任意字符。
重复就是告诉这个匹配的a是重复几次啊?有没有重复次数啊?





上一篇:使用stringr处理字符串数据P3
下一篇:第八章-使用readr进行数据导入
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

QQ|手机版|小黑屋|生信技能树 ( 粤ICP备15016384号  

GMT+8, 2019-12-7 13:03 , Processed in 0.026363 second(s), 25 queries .

Powered by Discuz! X3.2

© 2001-2013 Comsenz Inc.