第10章 使用stringr处理字符串P2

第10章 使用stringr处理字符串

要到正则表达式了！紧不紧张！刺不刺激 :)

使用正则表达式进行模式匹配

准备工作

library(tidverse)
library(stringr)

主要是通过两个函数str_view()和str_view_all() 首先用help函数自学一下！

x <- c("apple","banana","pear")

思考一下，我想要提取其中的apple字符可以用几种方式？最简单的就是x[[1]]
但是这里有一个bug，就是我们已经知道了apple字符所在的向量中的位置
如果我们不知道呢？

str_view(x,"apple")
str_detect(x, "apple")
[1]  TRUE FALSE FALSE
str_locate(x, "apple")
     start end
[1,]     1   5
[2,]    NA  NA
[3,]    NA  NA
identical

str_view函数内部是一个if循环加上identical函数、str_detect函数，str_locate函数、str_sub函数、paste0函数。这些基本就构成了要学习的内容。当然关于paste0函数的问题答案有，自己去看看喽。

function (string, pattern, match = NA) 
{
    if (identical(match, TRUE)) {
        string <- string[str_detect(string, pattern)] #提取了match=TRUE的内容
    }
    else if (identical(match, FALSE)) {
        string <- string[!str_detect(string, pattern)] #提取了match=FALSE的内容
    }
    loc <- str_locate(string, pattern) #查看匹配字符的位置
    has_match <- !is.na(loc[, "start"])# 提取loc中start位置，并且再次提取不是na的值
    str_sub(string[has_match], loc[has_match, , drop = FALSE]) <- paste0("", 
        str_sub(string[has_match], loc[has_match, , drop = FALSE]), 
        "")
    str_view_widget(string)
}

这里书上先介绍了为什么“”或者’‘在里面不能算是一个字符型的向量，也介绍了如果想表示应该如何进行表达。其实这里面的转义运用的就是后边要介绍的正则表达式。所以读到这里很懵b的状态也没关系。

基础匹配

上面说用到了str_view()函数来匹配x中apple字符。如果我想要匹配所有an的单词？应该怎么办？书上写的很明白了，结合上面的应该能看懂。
后边又使用了正则表达式中的.来代表任意字符。
其实我感觉，这书为什么不把正则表达式放在前面讲。。。

. 可以匹配任何单个的字符字母数字甚至.字符本身。同一个正则表达式允许使用多个.字符。但不能匹配换行
\ 转义字符，如果要匹配就要写成“\(\)”
| 表示可选项，即|前后的表达式任选一个
^ 取非匹配
$ 放在句尾，表示一行字符串的结束
() 提取匹配的字符串，(\s*)表示连续空格的字符串
[] 选择方括号中的任意一个(如[0-2]和[012]完全等价，[Rr]负责匹配字母R和r)
{} 前面的字符或表达式的重复次数。如{5,12}表示重复的次数不能小于5，不能多于12，否则都不匹配
*(星号) 匹配零个或任意多个字符或字符集合，也可以没有匹配
+（加号） 匹配一个或多个字符，至少匹配一次
? 匹配零个或一个字符

关于元字符的概念和意义我就不在这里说了，我也说不明白啊！但是记住如果你想表达上述正则表达式的字符需要用转义符号/来表示，用writeLines()函数可以看见表达的意思。
书上举了非常极端的////的例子，读到这的时候乐懵b了....
这两个博客讲的都很不错，我的表格也是来自于这个博客。

https://www.cnblogs.com/wheng/p/6262737.html
https://www.cnblogs.com/nkwy2012/p/8601562.html

锚点、字符类和字符选项、重复

锚点主要是告诉正则表达式你匹配的字符的位置，你是想匹配开头^还是结尾$出现a的字母啊！这里出现了一个/b来表示边界的问题。
字符型和字符选项主要是告诉正则表达式匹配的字符是什么类型的，是数字型啊？还是空白字符啊？还是巴拉巴拉？
这里有一个需要特殊记忆[^abc]代表匹配除了abc以外的任意字符。
重复就是告诉这个匹配的a是重复几次啊？有没有重复次数啊？