R中字符串处理惩罚和grep的用法

R凡是被用来举办数值计较较量多，字符串处理惩罚相对较少，并且关于字符串的函数也不多，用得多的就是substr、strsplit、paste、regexpr这几个了。实际上R关于字符串处理惩罚的成果长短常强大的，因为它甚至可以直接利用Perl的正则表达式，这也是R的一个理念，作为语言就把向量计较做到极致，作为情况，就在各规模都集成较好的。R中有grep系列的函数，可以用最强大的方法处理惩罚字符串的所有问题。

　　grep的全称是global search regular expression and print out the line，是Unix下一种强大的文本搜索东西，可以通过正则表达式搜索文本，并把匹配的行打印出来，包罗grep、egrep和fgrep（egrep是扩展的grep，fgrep是快速的搜寻方法并没有真正操作正则表达式）。Linux下利用GNU版的grep，该套类型也被遍及地利用，R中的grep函数就是个中之一。

　　grep的焦点就是正则表达式（Regular Expressions，凡是缩写为regex），所谓正则表达式，就是用某种模式去匹配一类字符串的一个公式，许多文本编辑器可能措施语言都支持该方法举办字符串的操纵，最开始是由上文先容的Unix东西grep之类普及的，厥后获得遍及应用。尤其是Perl语言中将正则表达式发挥到了极致。

　　R中的正则表达式很是专业，从grep系列函数的参数就可以看出，有个参数“extended”，默认为T，暗示利用扩展grep，也就是egrep，假如选择为F就暗示基本的grep，不外该种方法不被R推荐，纵然利用了也会呈现告诫，实际上grep能做的egrep也都能做，并且还要简朴不少。我刚开始在egrep中利用老是不能通过，厥后发明其实egrep中更简朴，许多时候直接写在[]内就行。尚有一个参数“perl”，默认为F，假如选择T暗示利用Perl的正则表达式法则，成果越发强大，不外假如没有专门学过Perl语言的话用egrep也就够了。另一个参数“fixed”固然描写的不是同一个对象，可是也很相关，选择之后就会举办较准确的匹配，不再利用正则表达式的法则，在效率上会快许多，我以为这个大概就是fgrep。R的辅佐文档中也明晰说明白这三个参数实际上代表了四种模式，通例grep、扩展grep、Perl正则表达式、较准确匹配，利用者可以按照详细的寄义选择本身需要的，假如参数配置互有斗嘴，会自动忽略后头的参数，并会在Warning中明晰指出。

　　grep系列函数其实包罗grep、grepl、sub、gsub、regexpr、gregexpr，他们的参数很雷同，在R中也是把辅佐文档集成在了一起，查找任意一个城市获得一个统一的文档。内里对各个参数也是一起先容的，除了适才说的三个以外，第一个参数就是最重要的“pattern”，这是一个字符串，直接暗示正则表达式，按照模式的差异留意法则就行，别的有个“x”暗示要查找的向量，这也是R中的奇特之处，不是查找文件，而是查找向量，该处也可以只输入一个字符串，就成了基本的字符串处理惩罚函数。对付grep函数，功效只有匹配可能不匹配，因此匹配时输出向量中该元素的下标，假如是单个字符就输出1，对付grepl，和grep其实一样，不外输出的是逻辑值，匹配就是T，不匹配就是F。参数“value”默认为F，输出的值就是适才说的元素下标可能逻辑值，假如改成T，就会输出查找的字符串。尚有一个参数“ignore.case”，默认是F，暗示巨细写敏感，可以改为T，暗示巨细写不敏感。参数“useBytes”默认是F，暗示按字符查找，假如是T则暗示按字节查找，对付中文字符影响照旧很大的。参数“invert ”默认为F，暗示正常的查找，假如为T则查找模式的补集。像sub和gsub这样的替换函数，还多一个参数“replacement”，用来暗示替换的字符。

　　这些函数的参数都较量雷同，可是输出各纷歧样，grep输出向量的下标，实际上就是找到与没找到，grepl返回的逻辑值更能说明问题。sub是一个很强大的替换函数，远胜过substr，正则表达式中可以配置很是机动的法则，然后返回被替换后的字符串，假如正则表达式写得好，根基可以办理所有子字符串的问题。sub函数和gsub函数的不同在于前者匹配第一次切合模式的字符串，后者匹配所有切合模式的字符串，也就是说在替换的时候前者只替换第一次切合的，后者替换所有切合的。regexpr和gregexpr被利用的好像较量多，因为它们很像其他语言中的instr函数，可以查找到某些字符在字符串中呈现的位置，不外我以为用处并不是很大，因为凡是环境下寻找某字符位置的目标就是为了做相关处理惩罚，而sub都能搞定。regexpr和gregexpr的干系和sub与gsub差不多，gregexpr操纵向量时会返回列表。

　　以上就是grep系列函数的一些用法，按照例子可以很利便地利用，小我私家发起利用参数“pattern”和“x”就行（sub和gsub虽然尚有replacement），其他的都用默认的。在pattern中凭据egrep的法则写正则表达式，根基上可以办理所有的字符串处理惩罚问题。只需要对正则表达式有简朴的相识，就可以获得R中这些强大的成果。关于正则表达式的用法就在后文中解析了。