R Language
Ändra strängar genom substitution

Introduktion

Ordna karaktärssträngar med hjälp av fångstgrupper

Om du vill ändra ordningen på en teckensträng kan du använda parenteser i pattern att gruppera delar av strängen. Dessa grupper kan i replacement läggas till med hjälp av på varandra följande nummer.

Följande exempel visar hur du kan omordna en vektor med namn i formen "efternamn, förnamn" till en vektor med formen "förnamn efternamn".

library(randomNames) 
set.seed(1)

strings <- randomNames(5)
strings
# [1] "Sigg, Zachary"        "Holt, Jake"           "Ortega, Sandra"       "De La Torre, Nichole"
# [5] "Perkins, Donovon"  

sub("^(.+),\\s(.+)$", "\\2 \\1", strings)
# [1] "Zachary Sigg"        "Jake Holt"           "Sandra Ortega"       "Nichole De La Torre"
# [5] "Donovon Perkins"    

Om du bara behöver efternamnet kan du bara adressera de första parparenteserna.

sub("^(.+),\\s(.+)", "\\1", strings)
# [1] "Sigg"        "Holt"        "Ortega"      "De La Torre" "Perkins"  

Eliminera duplicerade element i följd

Låt oss säga att vi vill eliminera duplicerat efterföljande element från en sträng (det kan vara mer än ett). Till exempel:

2,14,14,14,19

och konvertera det till:

2,14,19

Med gsub kan vi uppnå det:

gsub("(\\d+)(,\\1)+","\\1", "2,14,14,14,19")
[1] "2,14,19"

Det fungerar också för mer än en annan upprepning, till exempel:

 > gsub("(\\d+)(,\\1)+", "\\1", "2,14,14,14,19,19,20,21")
[1] "2,14,19,20,21"

Låt oss förklara det reguljära uttrycket:

1. (\\d+) : En grupp 1 avgränsad av () och hittar valfri siffra (minst en). Kom ihåg att vi måste använda det dubbla backslashet ( \\ ) här för en teckenvariabel representerar ett backslash speciellt flyktecken för bokstavliga strängavgränsare ( \" eller \' ). \d\ motsvarar: [0-9] .
2. , : Ett skiljetecken Tecken: , (vi kan inkludera utrymmen eller någon annan avgränsare)
3. \\1 : En identisk sträng till gruppen 1, dvs: det upprepade antalet. Om det inte händer matchar mönstret inte.

Låt oss försöka en liknande situation: eliminera i följd upprepade ord:

one,two,two,three,four,four,five,six

Sedan ersätter du bara \d med \w , där \w matchar alla ordtecken, inklusive: valfri bokstav, siffra eller understreck. Det motsvarar [a-zA-Z0-9_] :

> gsub("(\\w+)(,\\1)+", "\\1", "one,two,two,three,four,four,five,six")
[1] "one,two,three,four,five,six"
> 

Sedan inkluderar ovanstående mönster som ett visst fall duplicerade siffrorfall.