R Language
नियमित अभिव्यक्तियाँ (रेगेक्स)

परिचय

टिप्पणियों

व्हॉट्सएप को खत्म करना

string <- '    some text on line one; 
and then some text on line two     '

व्हिट्सस्पेस ट्रिमिंग

"ट्रिमिंग" व्हाट्सएप आमतौर पर एक स्ट्रिंग से अग्रणी और अनुगामी व्हाट्सएप को हटाने के लिए संदर्भित करता है। यह पिछले उदाहरणों के संयोजन का उपयोग करके किया जा सकता है। gsub का उपयोग अग्रणी और अनुगामी दोनों मैचों में प्रतिस्थापन को बाध्य करने के लिए किया जाता है।

आर 3.2.0 से पहले

gsub(pattern = "(^ +| +$)",
     replacement = "",
     x = string)

[1] "some text on line one; \nand then some text on line two"

3.2.0 और उच्चतर

trimws(x = string)

[1] "some text on line one; \nand then some text on line two"

प्रमुख व्हाट्सएप को हटाना

आर 3.2.0 से पहले

sub(pattern = "^ +", 
    replacement = "",
    x = string)

[1] "some text on line one; \nand then some text on line two     "

3.2.0 और उससे अधिक

trimws(x = string,
       which = "left")

[1] "some text on line one; \nand then some text on line two     "

ट्रेलिंग व्हाट्सएप को हटाना

आर 3.2.0 से पहले

sub(pattern = " +$",
    replacement = "",
    x = string)

[1] "    some text on line one; \nand then some text on line two"

3.2.0 और उच्चतर

trimws(x = string,
       which = "right")

[1] "    some text on line one; \nand then some text on line two"

सभी व्हाट्सएप को हटाना

gsub(pattern = "\\s",   
     replacement = "",
     x = string)

[1] "sometextonlineone;andthensometextonlinetwo"

ध्यान दें कि इससे टैब ( \t ), newlines ( \r और \n ), और रिक्त स्थान जैसे सफेद स्थान को भी हटा दिया जाएगा।

दिनांक को "YYYYMMDD" प्रारूप में सत्यापित करें

निम्न प्रारूप में दिनांक को उपसर्ग के रूप में उपयोग करके फाइलों को नाम देना एक आम बात है: YYYYMMDD , उदाहरण के लिए: 20170101_results.csv । ऐसे स्ट्रिंग प्रारूप में एक तारीख को निम्नलिखित नियमित अभिव्यक्ति का उपयोग करके सत्यापित किया जा सकता है:

\\d{4}(0[1-9]|1[012])(0[1-9]|[12][0-9]|3[01])

उपरोक्त अभिव्यक्ति वर्ष से तारीखों पर विचार करती है: 0000-9999 , महीनों के बीच: 01-12 और दिन 01-31 ।

उदाहरण के लिए:

> grepl("\\d{4}(0[1-9]|1[012])(0[1-9]|[12][0-9]|3[01])", "20170101")
[1] TRUE
> grepl("\\d{4}(0[1-9]|1[012])(0[1-9]|[12][0-9]|3[01])", "20171206")
[1] TRUE
> grepl("\\d{4}(0[1-9]|1[012])(0[1-9]|[12][0-9]|3[01])", "29991231")
[1] TRUE

नोट : यह दिनांक सिंटैक्स को मान्य करता है, लेकिन हमारे पास एक गलत सिंटैक्स के साथ एक गलत तारीख हो सकती है, उदाहरण के लिए: 20170229 (2017 यह एक लीप वर्ष नहीं है)।

> grepl("\\d{4}(0[1-9]|1[012])(0[1-9]|[12][0-9]|3[01])", "20170229")
[1] TRUE

यदि आप किसी तिथि को मान्य करना चाहते हैं, तो यह इस उपयोगकर्ता परिभाषित फ़ंक्शन के माध्यम से किया जा सकता है:

is.Date <- function(x) {return(!is.na(as.Date(as.character(x), format = '%Y%m%d')))}

फिर

> is.Date(c("20170229", "20170101", 20170101))
[1] FALSE  TRUE  TRUE

यूएस स्टेटस को संक्षिप्त रूप में मान्य करें

निम्नलिखित regex में 50 राज्य और राष्ट्रमंडल / क्षेत्र शामिल हैं (देखें www.50states.com ):

regex <- "(A[LKSZR])|(C[AOT])|(D[EC])|(F[ML])|(G[AU])|(HI)|(I[DLNA])|(K[SY])|(LA)|(M[EHDAINSOT])|(N[EVHJMYCD])|(MP)|(O[HKR])|(P[WAR])|(RI)|(S[CD])|(T[NX])|(UT)|(V[TIA])|(W[AVIY])"

उदाहरण के लिए:

> test <- c("AL", "AZ", "AR", "AJ", "AS", "DC", "FM", "GU","PW", "FL", "AJ", "AP")
> grepl(us.states.pattern, test)
 [1]  TRUE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE FALSE
> 

नोट :

: यदि आप केवल 50 राज्यों सत्यापित करने के लिए चाहते हैं, तो हम आर-डाटासेट का उपयोग करने की सलाह देते हैं state.abb से state उदाहरण के लिए,:

> data(state)
> test %in% state.abb
[1]  TRUE  TRUE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE    

हमें केवल 50-राज्यों के संक्षिप्त TRUE लिए TRUE मिलता है: AL, AZ, AR, FL ।

यूएस फोन नंबरों को मान्य करें

निम्नलिखित नियमित अभिव्यक्ति:

us.phones.regex <- "^\\s*(\\+\\s*1(-?|\\s+))*[0-9]{3}\\s*-?\\s*[0-9]{3}\\s*-?\\s*[0-9]{4}$" 

फ़ोन नंबर को इस रूप में मान्य करता है: +1-xxx-xxx-xxxx , जिसमें संख्याओं के प्रत्येक समूह के आरंभ / अंत में वैकल्पिक प्रमुख / अनुगामी रिक्त स्थान शामिल है, लेकिन बीच में नहीं, उदाहरण के लिए: +1-xxx-xxx-xx xx मान्य नहीं है। - सीमांकक को रिक्त स्थान से बदला जा सकता है: xxx xxx xxx या बिना परिसीमा के: xxxxxxxxxx । +1 उपसर्ग वैकल्पिक है।

आइए इसे जांचें:

us.phones.regex <- "^\\s*(\\+\\s*1(-?|\\s+))*[0-9]{3}\\s*-?\\s*[0-9]{3}\\s*-?\\s*[0-9]{4}$"

phones.OK <- c("305-123-4567", "305 123 4567", "+1-786-123-4567", 
    "+1 786 123 4567", "7861234567", "786 - 123   4567", "+ 1 786 - 123   4567")

phones.NOK <- c("124-456-78901", "124-456-789", "124-456-78 90", 
    "124-45 6-7890", "12 4-456-7890")

मान्य मामले:

> grepl(us.phones.regex, phones.OK)
[1] TRUE TRUE TRUE TRUE TRUE TRUE TRUE
> 

अमान्य मामले:

 > grepl(us.phones.regex, phones.NOK)
[1] FALSE FALSE FALSE FALSE FALSE
> 

नोट :

• \\s किसी भी स्थान, टैब या न्यूलाइन वर्ण से मेल खाता है

R regex पैटर्न में अक्षर बचाना

चूँकि R और regex दोनों एस्केप चरित्र को साझा करते हैं, "\" , grep , sub , gsub या किसी अन्य फ़ंक्शन के लिए सही पैटर्न का निर्माण जो एक पैटर्न तर्क को स्वीकार करता है, अक्सर बैकस्लैश की जोड़ी की आवश्यकता होगी। यदि आप तीन आइटम कैरेक्टर वेक्टर बनाते हैं, जिसमें एक आइटम में एक लाइनफीड, दूसरा टैब कैरेक्टर और एक भी नहीं है, और हेट इच्छा या तो लाइनफीड या टैब को 4-रिक्त स्थान में बदलना है तो निर्माण के लिए एक बैकस्लैश की आवश्यकता होती है, लेकिन मिलान के लिए tpaired backslashes:

x <- c( "a\nb", "c\td", "e    f")
x  # how it's stored
   #  [1] "a\nb"   "c\td"   "e    f"
cat(x)   # how it will be seen with cat
#a
#b c    d e    f

gsub(patt="\\n|\\t", repl="    ", x)
#[1] "a    b" "c    d" "e    f"

ध्यान दें कि पैटर्न तर्क (जो कि वैकल्पिक है यदि यह पहली बार दिखाई देता है और केवल आंशिक वर्तनी की आवश्यकता है) इस दोहरीकरण या युग्मन की आवश्यकता के लिए एकमात्र तर्क है। प्रतिस्थापन तर्क से बचने के लिए आवश्यक वर्णों के दोहरीकरण की आवश्यकता नहीं होती है। यदि आप सभी लाइनफ़ीड्स और 4-स्पेस आवृत्तियों को टैब के साथ बदलना चाहते हैं तो यह होगा:

gsub("\\n|    ", "\t", x)
#[1] "a\tb" "c\td" "e\tf"

पर्ल और पोसिक्स रेगेक्स के बीच अंतर

आर में कार्यान्वित नियमित अभिव्यक्तियों के दो कभी-इतने-थोड़े अलग-अलग इंजन हैं। डिफ़ॉल्ट को POSIX- संगत कहा जाता है; R में सभी regex फ़ंक्शन बाद वाले प्रकार को चालू करने के लिए एक विकल्प से भी सुसज्जित हैं: perl = TRUE ।

देखो आगे / लुक-पीछे

perl = TRUE नियमित अभिव्यक्तियों में लुक-फॉरवर्ड और लुक- perl = TRUE सक्षम करता है।

• "(?<=A)B" अक्षर B की एक उपस्थिति से मेल खाता है, यदि यह A से पहले है, अर्थात "ABACADABRA" का मिलान किया जाएगा, लेकिन "abacadabra" और "aBacadabra" नहीं होगा।