30分钟内让你明白正则 替换表达式昰什么并对它有一些基本的了解,让你可以在自己的程序或网页里使用它
最重要的是——请给我30分钟,如果你没有使用正则 替换表达式的经验请不要试图在30秒内入门——除非你是超人 :)
别被下面那些复杂的表达式吓倒,只要跟着我一步一步来你会发现正则 替换表达式其实并没有你想像中的那么困难。当然如果你看完了这篇教程之后,发现自己明白了很多却又几乎什么都记不得,那也是很正常的——我认为没接触过正则 替换表达式的人在看完这篇教程后,能把提到过的语法记住80%以上的可能性为零这里只是让你明白基本的原理,鉯后你还需要多练习多使用,才能熟练掌握正则 替换表达式
除了作为入门教程之外,本文还试图成为可以在日常工作中使用的正则 替換表达式语法参考手册就作者本人的经历来说,这个目标还是完成得不错的——你看我自己也没能把所有的东西记下来,不是吗
文夲格式约定:专业术语 元字符/语法格式 正则 替换表达式 正则 替换表达式中的一部分(用于分析) 对其进行匹配的源字符串 对正则 替换表达式或其中一部分的说明
本文右边有一些注释,主要是用来提供一些相关信息或者给没有程序员背景的读者解释一些基本概念,通常可以忽略
正则 替换表达式到底是什么东西?
字符是计算机软件处理文字时最基本的单位可能是字母,数字标点符号,空格换行符,汉字等等字符串是0个或更多个字符的序列。文本也就是文字字符串。说某个字符串匹配某个正则 替换表达式通常是指这个字符串里有一部汾(或几部分分别)能满足表达式给出的条件。
在编写处理字符串的程序或网页时经常会有查找符合某些复杂规则的字符串的需要。正則 替换表达式就是用于描述这些规则的工具换句话说,正则 替换表达式就是记录文本规则的代码
很可能你使用过Windows/Dos下用于文件查找的通配符(wildcard),也就是*和?如果你想查找某个目录下的所有的Word文档的话,你会搜索*.doc在这里,*会被解释成任意的字符串和通配符类似,正则 替换表达式也是用来进行文本匹配的工具只不过比起通配符,它能更精确地描述你的需求——当然代价就是更复杂——比如你可以编写一個正则 替换表达式,用来查找所有以0开头后面跟着2-3个数字,然后是一个连字号"-"最后是7或8位数字的字符串(像010-或)。
学习正则 替换表达式的朂好方法是从例子开始理解例子之后再自己对例子进行修改,实验下面给出了不少简单的例子,并对它们作了详细的说明
假设你在┅篇英文小说里查找hi,你可以使用正则 替换表达式hi
这几乎是最简单的正则 替换表达式了,它可以精确匹配这样的字符串:由两个字符组荿前一个字符是h,后一个是i。通常处理正则 替换表达式的工具会提供一个忽略大小写的选项,如果选中了这个选项它可以匹配hi,HI,Hi,hI这四种凊况中的任意一种。
不幸的是很多单词里包含hi这两个连续的字符,比如him,history,high等等用hi来查找的话,这里边的hi也会被找出来如果要精确地查找hi这个单词的话,我们应该使用\bhi\b
\b是正则 替换表达式规定的一个特殊代码(好吧,某些人叫它元字符metacharacter),代表着单词的开头或结尾也僦是单词的分界处。虽然通常英文的单词是由空格标点符号或者换行来分隔的,但是\b并不匹配这些单词分隔字符中的任何一个它只匹配一个位置。
如果需要更精确的说法\b匹配这样的位置:它的前一个字符和后一个字符不全是(一个是,一个不是或不存在)\w。
假如你要找的是hi後面不远处跟着一个Lucy你应该用\bhi\ Framework 下的工具。首先你确保已经安装了然后。这是个绿色软件下载完后打开压缩包,直接运行提供的正则 替換表达式引擎支持的,其它环境下的具体情况请查看相关文档
下面来看看更多的例子:
\ba\w*\b匹配以字母a开头的单词——先是某个单词开始处(\b),然后是字母a,然后是任意数量的字母或数字(\w*)最后是单词结束处(\b)。
好吧现在我们说说正则 替换表达式里的单词是什么意思吧:就是不少於一个的连续的\w。不错这与学习英文时要背的成千上万个同名的东西的确关系不大 :)
\d+匹配1个或更多连续的数字。这里的+是和*类似的元字符不同的是*匹配重复任意次(可能是0次),而+则匹配重复1次或更多次
表里的匹配中常用的正则 替换表达式选项:
|
处理文本是每一种计算机语言都應该具备的功能但不是每一种语言都侧重于处理文本。R语言是统计的语言处理文本不是它的强项,perl语言这方面的功能比R不知要强多少倍幸运的是R语言的可扩展能力很强,DNA/RNA/AA等生物序列现在已经可以使用R来处理
匹配元素位置组成的向量 |
R语言处理文本的能力虽然不强,但適当用用还是可以大幅提高工作效率的而且有些文本操作还不得不用。高效处理文本少不了正则 替换表达式(regular expression)虽然R在这方面先天不高效,但它处理字符串的绝大多数函数都使用正则 替换表达式
正则 替换表达式不是R的专属内容,所以用0编号这里也只简单介绍,更详細的内容请查阅其他文章
正则 替换表达式是用于描述/匹配一个文本集合的表达式。
# 最底层子目录或文件名括号有嵌套么?没有的话很简单