R语言使用Stringr与正则表达式进行字符串处理代码示例

前言

字符串处理是数据清洗与分析中必不可少的一环。R语言中的stringr包提供了强大且易用的字符串处理函数，而正则表达式则使得字符串的匹配与替换更为灵活和高效。本文将详细介绍如何使用stringr和正则表达式来处理字符串，并提供相应的示例代码。

一、Stringr 包

1. 创建与查看

• 查看：

  library(stringr)
  str_view("Hello World", "World")
  

  

  使用str_view可以直观地查看匹配结果，base::writeLines可以显示字符串内容。

• 转义符：使用\\进行转义，例如：

  # cat()函数：Concatenate and Print（连接和打印）
  cat("This is a backslash: \\")
  

  This is a backslash: \
  

• 原始字符串：可以避免频繁的转义，例如：

  raw_string <- r"(\d{3}-\d{2}-\d{4})"
  

2. 长度与子集

• 字符串长度：

  str_length("Hello")
  

  [1] 5
  

• 按位置提取子集：

  str_sub("Hello World", 1, 5)
  

  [1] "Hello"
  

• 填充字符串：

  str_pad("Hello", width = 10, side = "both", pad = "-")
  

  [1] "--Hello---"
  

3. 检测匹配

• 检测匹配：返回逻辑值，注意是向量运算；可以与sum()等统计函数合用。

  str_detect(c("apple", "banana", "pear"), "a")
  

  [1] TRUE TRUE TRUE
  

• 选择匹配的子集：对于字符串向量，选出符合匹配的子集，注意与str_sub区分开。

  str_subset(c("apple", "banana", "pear"), "a")
  

  [1] "apple"  "banana" "pear"  
  

• 统计匹配次数：

  str_count(c("apple", "banana", "pear"), "a")
  

  [1] 1 3 1
  

• 查看匹配：

  str_view(c("apple", "banana", "pear"), "a")
  

  

4. 提取匹配

• 提取第一个匹配项：如果没有匹配则返回NA

  str_extract("The price is $123", "\\$\\d+")
  

  [1] "$123"
  

• 提取所有匹配项：

  str_extract_all("The price is $123 or $456", "\\$\\d+")
  

  [1] "$123" "$456"
  

• 分组匹配：

  str_match("The price is $123", "(\\$\\d+)")
  

5. 修改字符串

• 按位置替换子集：

  text <- "Hello, world!"
  str_sub(text, 1, 5) <- "Hi"
  

• 转换为小写：

  str_to_lower("Hello")
  

• 替换匹配项：

  str_replace("The price is $123", "\\$\\d+", "$456")
  

6. 连接和分割

• 合并字符串：

  str_c("Hello", "World", sep = " ")
  

• 分割字符串：

  str_split("apples,oranges,pears", ",")
  

7. 排序与定位字符串

• 排序字符向量：

  str_sort(c("banana", "apple", "pear"))
  

• 返回排序序号：

  str_order(c("banana", "apple", "pear"))
  

• 定位匹配项：

  str_locate("The price is $123", "\\$\\d+")
  

二、正则表达式

1. 基础/精确匹配

最简单的正则表达式是匹配一个精确的字符串，如apple。

2. 条件

• “或”匹配：

  str_detect(c("apple", "banana", "pear"), "apple|banana")
  

• “之一”匹配：

  str_detect(c("apple", "banana", "pear"), "[aeiou]")
  

3. 锚点 (始于权力^(power)，终于金钱$)

• 开始匹配：

  str_detect("apple", "^a")
  

• 结尾匹配：

  str_detect("apple", "e$")
  

4. 量词

• 出现0次或1次：

  str_detect(c("color", "colour"), "colou?r")
  

• 出现1次或更多：

  str_detect(c("apple", "aple"), "ap+le")
  

5. 特殊字符集合

• 匹配任何数字(digit)：

  str_detect("123abc", "\\d")
  

• 匹配空白字符(space)：

  str_detect("a b", "\\s")
  

6. 分组与回溯引用

• 分组匹配：

  str_match("The price is $123", "(\\$\\d+)")
  

• 回溯引用：

  str_replace("abab", "(ab)\\1", "cd")
  

总结 

到此这篇关于R语言使用Stringr与正则表达式进行字符串处理的文章就介绍到这了,更多相关R语言Stringr与正则表达式字符串处理内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

最新评论