【上一篇：49.关于字符串的基础知识和一些字符串操作函数】
【下一篇：51.关于模式匹配的一些函数（一）】
本篇适合对正则表达式有一定了解，但基础又不是很好的读者。
在学习正则表达式之前，先学会用两个函数：str_view()和str_view_all()，这两个函数输入字符串和一个正则表达式，返回字符串中匹配到的位置。跟一些测正则表达式的网站相似。
正则匹配：如果一个string符合某种pattern，则该字符串为想要的字符串。
# 只展示第一个匹配
str_view(string, pattern, match = NA)
# 展示所有的匹配
str_view_all(string, pattern, match = NA)
match：TRUE：仅展示模式匹配上的字符串；FALSE：仅展示未模式匹配上的字符串；
NA：模式匹配上和未匹配上的都展示。
通过本篇：
1) 学会区分正则表达式和定义正则表达式的字符串。
2) regex metacharacters（正则元字符,特殊字符,通配符）除了可以用反斜杠转义之外，也可以用字符类表示，后者可读性更好。双引号和单引号不属于元字符。
3) 字符串和正则表达式都用反斜杠来转义一些字符的特殊行为。我们用字符串来表示正则表达式。
4) 正则表达式中的一个反斜杠要用字符串中的四个反斜杠表示。即：
chr<-"a\\b"
str_view(chr,"\\\\")
你的实际字符串是a\b
在R中用string表示的话，需要写成a\\\b，因为string中反斜杠属于特殊字符，需要加一个反斜杠进行转义
writeLines(chr)可以正确打印出你的实际字符串
print函数打印的结果永远是带有转义字符的，且字符串用双引号括起来
你想要匹配chr中的反斜杠，也就是你的实际正则表达式是一个反斜杠
因为反斜杠在正则中也是一个特殊字符，所以在正则中需要加一个反斜杠进行转义
又因为我们用string表示正则表达式，反斜杠在string中也是一个特殊字符
所以要分别对正则表达式中的两个反斜杠加反斜杠进行转义，
最终，我们用string中的四个反斜杠来表示正则表达式中的一个反斜杠
5) 当你的正则表达式中出现单个元字符，比如$ . | ? * + ( ) [ {，除了通过加反斜杠的方法进行转义之外，还可以写到中括号中，表示一个字符类。除了这些元字符，像\d \s这些转义字符也可以写到中括号中。在有特殊字符的情况下，如何正确地用string表示正则表达式呢？
第一步：明确你想写的正则表达式，此时不用考虑任何转义
如果你想用反斜杠进行转义，则：
第二步：看你的特殊字符在正则中是否需要关闭其特殊功能（即转义），
如果需要，先加上一个反斜杠进行转义。比如：
$在正则中表示结尾锚定，\$表示你要匹配一个真实的$符号
.在正则中表示占位符，匹配除换行符之外的所有字符，\.表示你要匹配一个真实的.符号
|在在正则中表示可选，也就是“或”关系，\|表示你要匹配一个真实的|符号
?在正则中表示前面的字符匹配0次或1次，\?表示你要匹配一个真实的?符号
*在正则中表示前面的字符匹配任意次，\*表示你要匹配一个真实的*符号
+在正则中表示前面的字符匹配1次或多次，\+表示你要匹配一个真实的+符号
()在正则中表示一组字符，\(\)表示你要匹配一对真实的括号，单独使用也要转义
[在正则中表示*****，\[表示你要匹配一个真实的[符号
{在正则中表示*****，\{表示你要匹配一个真实的{符号
------------------------------
\d在正则中表示匹配一个数字，本身已经转义，不需要再加反斜杠
\s在正则中表示匹配任何空白符，如空格、制表符和换行符
------------------------------
第三步：基于第二步的结果，看第二步新形成的字符串中的每个字符是否在string中是特殊字符。
如果是，则再加反斜杠进行转义。
最终用string表示的regex如下：
\\$ \\. \\| \\? \\* \\+ \\( \\) \\[ \\{ \\d \\s
**************************
如果想用字符类的方式进行转义，即用中括号将特殊字符括起来，那结果如下：
[$] [.] [|] [?] [*] [+] [(] [)] [[] [{] [\d] [\s]
6) 一些元字符并不能用字符类的方式转义，比如] \ ^ -，因为这些字符在字符类（中括号括起）中也有特殊含义。因此必须用反斜杠进行转义。
7) ^ $
^ 在字符类之外表示匹配字符串的开头，在字符类内部表示取反
str_view("babana","^b")
str_view("babana","[^b]")
$ 表示匹配字符串的结尾
8) |
|在字符类之外表示可选，在字符类内部就是一个真正的|字符
在字符类外的时候，|的优先级很低，可以通过加（）来明确表示你想要什么，例如：
x<- "abc|def" 匹配abc或def
x<- "ab(c|d)..f" 匹配abcf或abdf
9) 关于模式匹配的次数，也就是一个string只有匹配一个pattern多少次才算匹配上。
5)中讲了三个元字符：?、+、*，可以设置pattern需要匹配多少次。
记忆：?是有或没有的意思，所以是0次或1次；+ ：至少匹配一次；*匹配任意次数，即使匹配不到也可以。
****************************************
还有一种指定次数的方法：
{n} : 匹配n次，精确的
{n，}：至少匹配n次
{，m}：最多匹配m次
{n，m}：匹配次数>=n且<=m
记忆：想象成左闭区间、右闭区间、左闭右闭区间
指定次数的方式默认都是贪婪匹配，例如：
test<-"ABCCCCDEF"
str_view(test,"C{2,4}") 匹配上的部分是CCCC
也就是将最长的匹配区域作为最终的匹配区域
str_view(test,"C{2,4}?") 匹配上的部分是CC
也就是?将匹配改为非贪婪式的，即认为第一个匹配上的最短区域为最终匹配区域
这是正则匹配的高级特性
10)正则匹配中的分组和反引用。8)中讲括号作为消除复杂表达式歧义的一种方法。括号还可以创建一个编号的捕获组，捕获组将与正则表达式部分匹配的字符串部分存储在括号内。您可以引用与之前匹配的具有反向引用的捕获组(如\1、\2等)相同的文本。
正则匹配中的分组和反引用
今天终于有机会好好了解一下正则，很基础，但很有用。之前看过很多教程，但大多只是告诉你怎么用，却没有一些原理类的说明。当时会用，过后就忘。所以读一本系统性的书还是很重要的。
网友评论