资源描述：
《正则表达式和字符串处理.docx》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、处理文本是每一种计算机语言都应该具备的功能，但不是每一种语言都侧重于处理文本。R语言是统计的语言，处理文本不是它的强项，perl语言这方面的功能比R不知要强多少倍。幸运的是R语言的可扩展能力很强，DNA/RNA/AA等生物序列现在已经可以使用R来处理。R语言处理文本的能力虽然不强，但适当用用还是可以大幅提高工作效率的，而且有些文本操作还不得不用。高效处理文本少不了正则表达式（regularexpression），虽然R在这方面先天不足，但它处理字符串的绝大多数函数还都使用正则表达式。TableofContents·1正则表达
2、式简介·2字符数统计和字符翻译·2.1nchar和length·2.2tolower，toupper和chartr·3字符串连接·3.1paste函数·4字符串拆分·4.1strsplit函数·5字符串查询：·5.1grep和grepl函数：·5.2regexpr、gregexpr和regexec·6字符串替换·6.1sub和gsub函数·7字符串提取·7.1substr和substring函数·8其他：·8.1strtrim函数·8.2strwrap函数·8.3match和charmatch1 正则表达式简介正则表达式不是
3、R的专属内容，这里只做简单介绍，更详细的内容请查阅其他文章。正则表达式是用于描述/匹配一个文本集合的表达式：·所有英文字母、数字和很多可显示的字符本身就是正则表达式，用于匹配它们自己。比如“a”就是匹配字母“a”的正则表达式·一些特殊的字符在正则表达式中不在用来描述它自身，它们在正则表达式中已经被“转义”，这些字符称为“元字符”。perl类型的正则表达式中被转义的字符有：.
4、()[]{}^$*+?。被转义的字符已经有特殊的意义，如点号.表示任意字符；方括号表示选择方括号中的任意一个（如[a-z]表示任意一个小写字符）；^放
5、在表达式开始出表示匹配文本开始位置，放在方括号内开始处表示非方括号内的任一字符；大括号表示前面的字符或表达式的重复次数；
6、表示可选项，即
7、前后的表达式任选一个。·如果要在正则表达式中表示元字符本身，比如我就要在文本中查找问号“?”，那么就要使用引用符号（或称换码符号），一般是反斜杠“”。需要注意的是，在R语言中得用两个反斜杠即“\”，如要匹配括号就要写成“\(\)”·不同语言或应用程序（事实上很多规则都通用）定义了一些特殊的元字符用于表示某类字符，如d表示数字0-9，D表示非数字，s表示空白字符（包括空格、制表
8、符、换行符等），S表示非空白字符，w表示字（字母和数字），W表示非字，<和>分别表示以空白字符开始和结束的文本。·正则表达式符号运算顺序：圆括号括起来的表达式最优先，然后是表示重复次数的操作（即：*+{}），接下来是连接运算（其实就是几个字符放在一起，如abc），最后是表示可选项的运算（
9、）。所以“foot
10、bar”可以匹配“foot”或者“bar”，但是“foot
11、ba{2}r”匹配的是“foot”或者“baar”。2 字符数统计和字符翻译2.1 nchar和lengthnchar这个函数简单，统计向量中每个元素
12、的字符个数，注意这个函数和length函数的差别：nchar是向量元素的字符个数，而length是向量长度（向量元素的个数）。其他没什么需要说的。x<- c("Hellow", "World", "!") nchar(x)##[1]651length("")##[1]1nchar("")##[1]02.2 tolower，toupper和chartr这三个函数用法也很简单：DNA<- "AtGCtttACC" tolower(DNA)##[1]"atgctttacc"toupper(DNA)##[1]"ATGCTTTACC"
13、chartr("Tt", "Uu",DNA)##[1]"AuGCuuuACC"chartr("Tt", "UU",DNA)##[1]"AUGCUUUACC"3 字符串连接3.1 paste函数paste应该是R中最常用字符串函数了，也是R字符串处理函数里面非常纯的不使用正则表达式的函数（因为用不着）。它相当于其他语言的strjoin，但是功能更强大。它把向量连成字串向量，其他类型的数据会转成向量，但不一定是你要的结果：paste("CK",1:6,sep= "")##[1]"CK1""CK2""CK3""CK4""CK5""
14、CK6"x<- list(a= "aaa",b= "bbb",c= "ccc")y<- list(d=1,e=2) paste(x,y,sep= "-")#较短的向量被循环使用##[1]"aaa-1""bbb-2""ccc-1"z<- list(x,y) paste("T",z,sep=
