R语言stringr包的使用2

昨天剑哥说要不要写一下关于正则表达式的内容，今天看书就正好看到这一章。R for data science总体上感觉讲解的还不是特别详细，我总体按照书来写，有想要深入学习的同学，可以去google搜索，非常多好的内容。

同样，先先加载包

library(tidyverse)

## -- Attaching packages ---------------------------------------------------------------------- tidyverse 1.2.1 --

## v ggplot2 3.1.1       v purrr   0.3.2  
## v tibble  2.1.1       v dplyr   0.8.0.1
## v tidyr   0.8.3       v stringr 1.4.0  
## v readr   1.3.1       v forcats 0.4.0

## -- Conflicts ------------------------------------------------------------------------- tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()

library(stringr)

1基础匹配

我们先来看一个例子。用stringr包中的str_view函数来看一下匹配的含义。

x <- c("apple", "banana", "pear")
str_view(string = x, pattern = "an")

可以看到该函数将字符串中含有an的对象banana找出来了。这可以算作是精确匹配，那么如果我们想要匹配的是符合一定规律的怎么办呢？比如想要匹配中间为字母a，前后为任意字符皆可。这就用到正则表达式了，维基百科定义如下：

正则表达式（英语：Regular Expression，在代码中常简写为regex、regexp或RE），又称正规表示、正规表示法、正规表达式、规则表达式、常规表示法，是计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。在很多文本编辑器里，正则表达式通常被用来检索、替换那些匹配某个模式的文本。

比如刚才的例子，就可以这么写：

x <- c("apple", "banana", "pear")
str_view(string = x, pattern = ".a.")

其中的“.”，就代表着任意字符，注意任意，也就是不管是字母，数字，符号，空格等等，都是可以的。但是问题来了，如果我们需要的是精确匹配“.”本身呢，这时候需要使用反斜杠 “\”对其进行转义，这时候正字表达式就不会将其视作广义的代表，而是该字符本身了。但是因为\本身在正则表达式中也有其特殊含义，因此他也需要一个反斜杠对其进行转义，也就是说，如果我们想匹配.，我们需要这么写，\\.，也就是两个反斜杠。我们举个例子：

x <- c("abc", "a.c", "bef")
str_view(string = x, pattern = "a\\.c")

可以看到这样就可以把点本身精确匹配到了。

那么如果想要匹配```本身呢？需要4个反斜杠。。。因为首先反斜杠出现在字符串中就需要对其进行转义，也就是说表示为一个反斜杠就需要2个，所以，最后就出现了四个反斜杠。另外，最近在看python，python中有原生字符串的概念，所以对于出现反斜杠的字符串，可以直接使用r，就不怕漏掉反斜杠了。

x <- "a\\b"
writeLines(x)

## a\b

#> a\b
str_view(string = x, pattern = "\\\\")

那么如果要匹配"'\，该怎么写呢？例子如下：

x <- "aa\"\'\\"
writeLines(x)

## aa"'\

#> a\b
str_view(string = x, pattern = "\"\'\\\\")

2固定位置进行匹配

比如你想匹配开头或者结尾为固定内容的对象，在正则表达式中，也有固定符号进行表示。

^表示开头。
$表示结尾。

匹配以字母a开头的对象：

x <- c("apple", "banana", "pear")
str_view(string = x, pattern = "^a")

匹配以字母a结尾的对象：

x <- c("apple", "banana", "pear")
str_view(string = x, pattern = "a$")

注意两个符合的位置。

如果想要精确匹配某个字符，这两个特殊夫就非常有用了：

x <- c("apple pie", "apple", "apple cake")
str_view(string = x, pattern = "apple")

str_view(string = x, pattern = "^apple$")

如果想要精确匹配对象 $^$ ，那么该怎么写呢？

x <- c("$^$", "apple", "$^$a")
str_view(string = x, pattern = "\\$\\^\\$$")

string包中有一个单词库，我们可以用它来联系一下，比如，匹配该单词库中所有以x开头的单词：

x <- stringr::words
str_view(string = x, pattern = "^x", match = TRUE)

匹配所有以y结尾的单词：

x <- stringr::words
str_view(string = x, pattern = "y$", match = TRUE)

匹配所有长度为3的对象，注意不可以使用str_length函数

x <- stringr::words
str_view(string = x, pattern = "^...$", match = TRUE)

匹配所有长度为7及以上的对象，注意同样不可以使用str_length函数

x <- stringr::words
str_view(string = x, pattern = "^.......", match = TRUE)

特殊字符

从上面可以看出来，其实正则表达式就是特殊字符的组合，用来表示符合规定的对象，因此特殊字符就尤为重要，我们下面来看看都有哪些特殊字符。

\d：表示任意数字，d就是digit的意思。
\s：表示任意空白，比如空格，tab等。
[abc]：中括号将里面包含的内容，表示任意一个即可，比如[abc]代表的就是a，b或者c。
[^abc]：这表示的是除了a，b和c之外的任意字符。

同样的，记住，只要反斜杠出现，就要同时出现两个。

写到这里，电脑没电了，又忘了带带能源，那就正好明天一起，把特殊字符写完。