R中的sub替换函数【转】
R中的grep、grepl、sub、gsub、regexpr、gregexpr等函数都使⽤正则表达式的规则进⾏匹配。默认是egrep的规则，也可以选⽤Perl语⾔的规则。在这⾥，我们以R中的sub函数为例（因为该函数可以返回替换字符串后的具体内容）介绍正则表达式的⽤法。
  对该函数的逻辑参数都使⽤默认值（ignore.case = FALSE，表⽰⼤⼩写敏感；extended = TRUE，表⽰使⽤egrep规则；perl = FALSE，表⽰不使⽤Perl规则；fixed = FALSE，表⽰不使⽤精确匹配；useBytes = FALSE，表⽰按字符匹配）。另外三个中，pattern为字符串表⽰正则表达式，replacement也是字符串表⽰替换的内容，x为字符型向量表⽰被替换的字符向量。该函数会根据pattern的规则对x中各元素进⾏搜索，遇到符合条件的第⼀个⼦字符串的位置（gsub是替换所有符合条件的），⽤replacement替换该⼦字符串，返回替换后的结果，和x的结构相同。为了清晰地介绍例⼦，我们对replacement统⼀赋值为“”，相当于去掉搜寻出来的⼦字符串。例如
sub("a","",c("abcd","dcba"))，将向量中的两个字符串中的a都去掉了，返回[1] "bcd" "dcb"。该例中的"a"只是⼀个字符，并不是正则表达式，真正的正则表达式依靠元字符进⾏灵活的匹配。
  “^”匹配⼀个字符串的开始，⽐如sub("^a","",c("abcd","dcba"))，表⽰将开头为a的字符串中的a替换成空，在返回值中可以发现后⾯出现的a并没有被替换。如果要将开头的⼀个字符串替换，简单地写成“^ab”就⾏。正则匹配除了字符串外的任何符号
  “$”匹配⼀个字符串的结尾，⽐如sub("a$","",c("abcd","dcba"))表⽰将以a结尾的字符串中的a替换成空。"."表⽰除了换⾏符以外的任⼀字符，⽐如sub("a.c","",c("abcd","sdacd"))。“*”表⽰将其前的字符进⾏0个或多个的匹配，⽐如sub("a*b","",c("aabcd","dcaaaba"))。类似
地，“?”匹配0或1个正好在它之前的那个字符，“+”匹配1或多个正好在它之前的那个字符。“.*”可以匹配任意字符，⽐如
sub("a.*e","",c("abcde","edcba"))。
  “|”表⽰逻辑的或，⽐如sub("ab|ba","",c("abcd","dcba"))，可以替换ab或者ba。“^”还可以表⽰逻辑的补集，需要写在“[]”中，⽐如sub(" [^ab]","",c("abcd","dcba"))，由于sub只替换搜寻到的第⼀个，因此这个例⼦中⽤gsub效果更好。
  “[]”还可以⽤来匹配多个字符，如果不使⽤任何分隔符号，则搜寻这个集合，⽐如在sub("[ab]","",c("abcd","dcba"))中，和"a|b"效果⼀样。“[-]”的形式可以匹配⼀个范围，⽐如sub("[a-c]","",c("abcde","edcba"))匹配从a到c的字符，sub("[1-9]","",c("ab001","001ab"))匹配从1到9的数字。
  以上是最基础的正则表达式元字符，在⼀些正则表达式的书籍和资料中有⾮常详细的介绍。最后需要提⼀下的是“贪婪”和“懒惰”的匹配规则。默认情况下是匹配尽可能多的字符，是为贪婪匹配，⽐如sub("a.*b","",c("aabab","eabbe"))，默认匹配最长的a开头b结尾的字串，也就是整个字符串。如果要进⾏懒惰匹配，也就是匹配最短的字串，只需要在后⾯加个“?”，⽐如sub("a.*?b","",c("aabab","eabbe"))，就会匹配最开始到的最短的a开头b结尾的字串。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。