R语言-正则表达式，替换

在R语言中使用正则表达式替换，可以使用sub()函数，用于全局替换则用gsub()函数。

1、例子

假设有一个字符串向量，需要将多字节文本过滤出来：

>a<-c("abcx9422",'女','男','女')

如果直接对其使用大小写转换函数toupper()，则会报错：

> toupper(a)
Error in toupper(a) : 多字节字符串1有错

如何将该多字节字符去掉呢？假定它是读数据文件引入，没有意义的。

2、过滤步骤

思路：先将字符串向量转换为字符形式串，然后使用正则表达式替换，因为转换成字符串形式时，只能针对单个向量元素进行，故需要做一个函数，在使用lapply()作用于所有的向量元素。

（1）将字符串向量转换为字符串形式

> deparse(a)
[1] "c("abcx9422","女","男","女")"

（2）使用正则表达式替换，首先替换掉"符号，然后再替换掉多字节字符（模式为：xd{2}，也就是x加两个字符）

sub(""","",deparse(p))

sub("\xd{2}",'',sub(""",deparse(p))

（3）封装成处理函数

b<-function(p){sub("\xd{2}",deparse(p))}

（4）将字符串处理函数应用到向量

lapply(a,FUN=b)

（5）将结果列表转换为向量

> unlist(lapply(a,FUN=b))
[1] "abc22" "女" "男" "女"

（6）完整的表达式

> b<-function(p){sub("\xd{2}",deparse(p))}

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!