正则化 Cookbook
2020-03-10
- 使用 RMarkdown 的
child参数，进行文档拼接。 - 这样拼接以后的笔记方便复习。
- 相关问题提交到 Issue
1 ^反字符
^表达了选择的字段完全不满足条件。
## [1] "30_CI.Rmd"2 重要的字符
.= 除了\n的任何chr\d=[:digit:]=[0-9]\D=[^0-9]\s=\t\n\r\f\v]=[:space:]\S=不是\s\w=[a-zA-Z0-9_]全部字符\W=不是\w
中文情况下，可以用以下来代替。
'【[^【]+消费[^】]+】|【[^【]?消费[^】]?】'
开头结尾一定要是中文开始或者结尾，这个以排除法的思想做的，可以继续研究下。
## [1] "Licence:yes" "Licence:no"## [1] "Licence:yes" "Licence:no"## [1] "car" "carr" "cars"?表示0,1，可以满足也可以不满足*表示满足0或0以上次+表示满足1或1以上次{n,m}表示满足n到m次
3 取用电话号码
d2 <-
c("555-555-555", "555 555 555", "555555555","555 555-555")
d2 %>%
str_subset("\\d+[-\\s]?\\d+[-\\s]?\\d+")## [1] "555-555-555" "555 555 555" "555555555" "555 555-555"提取电话号码的一些方法
注意这里和标准的正则化表达有些不一样，
例如\d要写成\\d。
这里解释，
\\d表示任意的数字+前面这个任意的数字可以表示满足1或1以上次[-\\s]表示数字完后，这里可以是-也可以是空格\\s?表示[-\\s]表示0,1，可以满足也可以不满足
4 精准取用一个词
^以什么开头$以什么结尾\b以一个word为边界\D不以一个word为边界
## [1] " hello" " hello ""\\bhello\\b"比"hello"好，因为它不会匹配其他的。
但是我还是不太懂。
(???) work with isolated words and we don’t want to create character sets with every single character that may divide our words (spaces, commas, colons, hyphens, and so on)
5 中文查询
\p{Han}就是汉语。\p{Lo}但是不是完全是中文。
Letters that do not distinguish case. Includes Chinese, Japanese, Korean ideographs. ((???))
## [1] "我的"## [1] "我的"6 (x|y)的学习
这里有提到使用方法(??? Grouped matches)。
7 看书的总结
(???) 这本书虽然介绍了很多平台通用的代码，但是我感觉不实用，没有 (???) 那么简单粗暴，100多页讲清楚基本的东西，而且是基于Python的，所以R也可以借鉴。 (???) 这本也是不错的，可以借鉴。 但是基本上已经到了一个段落了，正则化Kill！！！
8 偏业务逻辑
a?, 0或者1a*, 0或者更多a+, 1或者更多只是数字:
^[0-9]*$- 腾讯QQ号：
[1-9][0-9]{4,}- 腾讯QQ号从10000开始
- 腾讯QQ号：
非零开头的最多带两位小数的数字:
^([1-9][0-9]*)+(.[0-9]{1,2})?$[0-9]*可以没有，但是首位一定是[1-9]
带 1-2 位小数的正数或负数：
^(-)?d+(.d{1,2})?$汉字:
^[一 - 龥]{0,}$，不适用，使用^\\p{Han}+$或者^[\u4e00-\u9fa5]{0,}$
9 not contain by str_subset (???)
## [1] "hi"## [1] "hi"10 escape
regexps use the backslash,
\, to escape special behaviour. (Stringr vignette Regular expressions)
escape 是这个意思。
Linux 系统中 grep -E，E就是 escape。
这样就不需要加 \。
Unfortunately this creates a problem. We use strings to represent regular expressions, and
\is also used as an escape symbol in strings. So to create the regular expression . we need the string"\\.". (Stringr vignette Regular expressions)
# To create the regular expression, we need \\
dot <- "\\."
# But the expression itself only contains one:
writeLines(dot)
## \.
#> \.
# And this tells R to look for an explicit .
str_extract(c("abc", "a.c", "bef"), "a\\.c")
## [1] NA "a.c" NA
#> [1] NA "a.c" NAIf
\is used as an escape character in regular expressions, how do you match a literal\? Well you need to escape it, creating the regular expression\\. To create that regular expression, you need to use a string, which also needs to escape\. That means to match a literal\you need to write"\\\\"— you need four backslashes to match one! (Stringr vignette Regular expressions)
In this vignette, I use
\. to denote the regular expression, and"\\."to denote the string that represents the regular expression. (Stringr vignette Regular expressions)
regular expression 和 string to represent 是不一样的。
Figure 10.1: escape 三种情况的举例