R语言:使用Stringr与正则表达式进行字符串处理

发布于:2024-06-11 ⋅ 阅读:(19) ⋅ 点赞:(0)

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")
    

    在这里插入图片描述

    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")
    

    在这里插入图片描述

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")