请问怎么用R语言正则表达式统计文章的单词数和中文字数，不能用程序包？

首先声明，用R来处理

字符串

数据并不是一个很好的选择，还是推荐使用Perl或者Python等语言。不过R本身除了提供了一些常用的字符串处理函数，也对正则表达式有了一定的支持，具体各个函数的使用方法还是要参考R的帮助文档。
sub()与gsub()

使用正则表达式

对字符串进行替换。
grep()、regexpr()、gregexpr()都是用于正则表达式的匹配，只是返回的结果格式有些不同。
几个函数的使用格式如下：

grep(pattern, x, ignore.case = FALSE, extended = TRUE,
perl = FALSE, value = FALSE, fixed = FALSE, useBytes = FALSE)

regexpr(pattern, text, ignore.case = FALSE, extended = TRUE,
perl = FALSE, fixed = FALSE, useBytes = FALSE)

gregexpr(pattern, text, ignore.case = FALSE, extended = TRUE,
perl = FALSE, fixed = FALSE, useBytes = FALSE)

sub(pattern, replacement, x,
ignore.case = FALSE, extended = TRUE, perl = FALSE,
fixed = FALSE, useBytes = FALSE)

gsub(pattern, replacement, x,
ignore.case = FALSE, extended = TRUE, perl = FALSE,
fixed = FALSE, useBytes = FALSE)

其中参数pattern表示用于匹配的正则表达式模式；参数x和text表示用于搜索的字符串向量；参数ignore.case为FALSE时，表示模式匹配是对字母的大小写敏感；参数VALUE也是一个逻辑变量，若为FALSE，grep函数会返回一个由匹配元素所在的位置组成的向量，若为TRUE，则返回由匹配元素本身组成的向量；参数replacement只在函数sub和gsub中出现，用于进行替换，如果fixed=FALSE,可通过\1，...,\9来回溯引用匹配模式中由括号括起来的子表达式。如果参数perl=TRUE,还可以通过\U或\L将匹配字符转换成大写或小写。
一些示例代码：

> grep("[a-z]", letters)
[1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
[25] 25 26
#参数value的使用
> grep("[a-z]", letters,value=TRUE)
[1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n" "o" "p" "q" "r"
[19] "s" "t" "u" "v" "w" "x" "y" "z"
#将字符串的首字母转换为大写
> gsub("^(\\w)", "\\U\\1", "a test of capitalizing", perl=TRUE)
[1] "A test of capitalizing"
#将字符串中每个单词的首字母转换为大写
> gsub("\\b(\\w)", "\\U\\1", "a test of capitalizing", perl=TRUE)
[1] "A Test Of Capitalizing"
#对

电子邮件地址

进行匹配为例，用一个正则表达式来匹配电子邮件地址是一项很常见的任务。
>text<-c("ben@sina.com","kate@sina..com","ka...te@sina.com","kate@sina.12","kate@12.sina.com")
> text
[1] "ben@sina.com" "kate@sina..com" "ka...te@sina.com"
[4] "kate@sina.12" "kate@12.sina.com"
> grep("(\\w+\\.)*\\w+@(\\w+\\.)+[a-zA-Z]+",text)
[1] 1 3 5

您可能感兴趣问答

Collapsible

热门标签

热点问答