已经了解了正则表达式的基础知识，就该学习如何将其应用于实际问题了。 包括如下：
-
确定哪些字符串与模式匹配。
-
找到匹配的位置。
-
提取匹配的内容。
-
用新值替换匹配项。
-
根据匹配项拆分字符串。
上节解决了前三个问题，本节来解决后两个问题。
1. Replacing matches
str_replace（）
和
str_replace_all（）
允许将匹配项替换为新字符串。 最简单的用法是用固定的字符串替换模式：
x <- c("apple", "pear", "banana")
str_replace(x, "[aeiou]", "-")
#> [1] "-pple" "p-ar" "b-nana"
str_replace_all(x, "[aeiou]", "-")
#> [1] "-ppl-" "p--r" "b-n-n-"
使用
str_replace_all（）
，可以通过提供命名的向量来执行多次替换：
x <- c("1 house", "2 cars", "3 people")
str_replace_all(x, c("1" = "one", "2" = "two", "3" = "three"))
#> [1] "one house" "two cars" "three people"
除了使用固定的字符串替换之外，还可以使用向后引用来插入匹配项的组成部分。 在下面的代码中，我翻转了第二个和第三个单词的顺序。
sentences %>%
str_replace("([^ ]+) ([^ ]+) ([^ ]+)", "\\1 \\3 \\2") %>%
head(5)
#> [1] "The canoe birch slid on the smooth planks."
#> [2] "Glue sheet the to the dark blue background."
#> [3] "It's to easy tell the depth of a well."
#> [4] "These a days chicken leg is a rare dish."
#> [5] "Rice often is served in round bowls."
2. Splitting
使用
str_split（）
将字符串拆分为多个部分。 例如，我们可以将句子分解为单词：
sentences %>%
head(5) %>%
str_split(" ")
#> [[1]]
#> [1] "The" "birch" "canoe" "slid" "on" "the" "smooth"
#> [8] "planks."
#>
#> [[2]]
#> [1] "Glue" "the" "sheet" "to" "the"
#> [6] "dark" "blue" "background."
#>
#> [[3]]
#> [1] "It's" "easy" "to" "tell" "the" "depth" "of" "a" "well."
#>
#> [[4]]
#> [1] "These" "days" "a" "chicken" "leg" "is" "a"
#> [8] "rare" "dish."
#>
#> [[5]]
#> [1] "Rice" "is" "often" "served" "in" "round" "bowls."
由于每个组件可能包含不同数量的零件，因此将返回一个列表。 如果使用的是长度为1的向量，那么最简单的方法就是提取列表的第一个元素：
"a|b|c|d" %>%
str_split("\\|") %>%
.[[1]]
#> [1] "a" "b" "c" "d"
否则，就像其他返回列表的字符串函数一样，可以使用simple = TRUE返回矩阵：
sentences %>%
head(5) %>%
str_split(" ", simplify = TRUE)
#> [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8]
#> [1,] "The" "birch" "canoe" "slid" "on" "the" "smooth" "planks."
#> [2,] "Glue" "the" "sheet" "to" "the" "dark" "blue" "background."
#> [3,] "It's" "easy" "to" "tell" "the" "depth" "of" "a"
#> [4,] "These" "days" "a" "chicken" "leg" "is" "a" "rare"
#> [5,] "Rice" "is" "often" "served" "in" "round" "bowls." ""
#> [,9]
#> [1,] ""
#> [2,] ""
#> [3,] "well."
#> [4,] "dish."
#> [5,] ""
还可以求最大件数：
fields <- c("Name: Hadley", "Country: NZ", "Age: 35")
fields %>% str_split(": ", n = 2, simplify = TRUE)
#> [,1] [,2]
#> [1,] "Name" "Hadley"
#> [2,] "Country" "NZ"
#> [3,] "Age" "35"
除了按模式分割字符串，还可以按字符，行，句子和单词boundary（）进行分割：
x <- "This is a sentence. This is another sentence."
str_view_all(x, boundary("word"))
This is a sentence. This is another sentence.
str_split(x, " ")[[1]]
#> [1] "This" "is" "a" "sentence." "" "This"
#> [7] "is" "another" "sentence."
str_split(x, boundary("word"))[[1]]
#> [1] "This" "is" "a" "sentence" "This" "is" "another"
#> [8] "sentence"
3. Other types of pattern
当使用字符串形式的模式时，该模式会自动包装到对regex（）的调用中：
# The regular call:
str_view(fruit, "nana")
# Is shorthand for
str_view(fruit, regex("nana"))
可以使用regex（）的其他参数来控制匹配的详细信息：
-
ignore_case = TRUE允许字符匹配其大写或小写形式。 这始终使用当前语言环境。
bananas <- c("banana", "Banana", "BANANA")
str_view(bananas, "banana")
banana
Banana
BANANA
str_view(bananas, regex("banana", ignore_case = TRUE))
-
multiline = TRUE允许^和$匹配每行的开头和结尾，而不是完整字符串的开头和结尾。
x <- "Line 1\nLine 2\nLine 3"
str_extract_all(x, "^Line")[[1]]
#> [1] "Line"
str_extract_all(x, regex("^Line", multiline = TRUE))[[1]]
#> [1] "Line" "Line" "Line"
comments = TRUE允许使用注释和空格使复杂的正则表达式更易于理解。 空格和＃之后的所有空格都将被忽略。 要匹配文字空间，需要对其进行转义：“ \”。
phone <- regex("
\\(? # optional opening parens
(\\d{3}) # area code
[) -]? # optional closing parens, space, or dash
(\\d{3}) # another three numbers
[ -]? # optional space or dash
(\\d{3}) # three more numbers
", comments = TRUE)
str_match("514-791-8141", phone)
#> [,1] [,2] [,3] [,4]
#> [1,] "514-791-814" "514" "791" "814"
-
dotall = TRUE允许。 匹配所有内容，包括\ n。
您可以使用其他三个函数来代替regex（）：
-
fixed（）：与指定的字节序列完全匹配。
它忽略所有特殊的正则表达式，并在非常低的级别上运行。 这样可以避免复杂的转义，并且比正则表达式要快得多。 以下微基准测试表明，简单示例的速度提高了约3倍。
microbenchmark::microbenchmark(
fixed = str_detect(sentences, fixed("the")),
regex = str_detect(sentences, "the"),
times = 20
)
#> Unit: microseconds
#> expr min lq mean median uq max neval
#> fixed 100.392 101.3465 118.7986 105.9055 108.8545 367.118 20
#> regex 346.595 349.1145 353.7308 350.2785 351.4135 403.057 20
当心对非英语数据使用fixed（）。 这是有问题的，因为通常有多种方式表示同一角色。 例如，有两种定义“á”的方法：作为单个字符或作为“ a”加重音符号：
a1 <- "\u00e1"
a2 <- "a\u0301"
c(a1, a2)
#> [1] "á" "á"
a1 == a2
#> [1] FALSE
它们的渲染方式相同，但是由于定义不同，fixed（）找不到匹配项。 相反，您可以使用下面定义的coll（）来遵守人类角色比较规则：
str_detect(a1, fixed(a2))
#> [1] FALSE
str_detect(a1, coll(a2))
#> [1] TRUE
coll（）：使用标准归类规则比较字符串。 这对于执行不区分大小写的匹配很有用。 请注意，coll（）采用一个语言环境参数，该参数控制使用哪些规则比较字符。 不幸的是，世界不同地区使用不同的规则！
# That means you also need to be aware of the difference
# when doing case insensitive matches:
i <- c("I", "İ", "i", "ı")
i
#> [1] "I" "İ" "i" "ı"
str_subset(i, coll("i", ignore_case = TRUE))
#> [1] "I" "i"
str_subset(i, coll("i", ignore_case = TRUE, locale = "tr"))
#> [1] "İ" "i"
fixed（）和regex（）都具有ignore_case参数，但它们不允许您选择语言环境：它们始终使用默认语言环境。
stringi::stri_locale_info()
#> $Language
#> [1] "en"
#>
#> $Country
#> [1] "US"
#>
#> $Variant
#> [1] ""
#>
#> $Name
#> [1] "en_US"
coll（）的缺点是速度； 因为识别哪些字符相同的规则很复杂，所以与regex（）和fixed（）相比，coll（）相对较慢。
如您在str_split（）中所看到的，您可以使用boundary（）来匹配边界。 您还可以将其与其他功能一起使用：
x <- "This is a sentence."
str_view_all(x, boundary("word"))
This is a sentence.
str_extract_all(x, boundary("word"))
#> [[1]]
#> [1] "This" "is" "a" "sentence"
4. Other uses of regular expressions
基本R中有两个有用的函数，它们也使用正则表达式：
apropos（）搜索全局环境中可用的所有对象。 如果您不太记得函数的名称，此功能将非常有用。
apropos("replace")
#> [1] "%+replace%" "replace" "replace_na" "setReplaceMethod"
#> [5] "str_replace" "str_replace_all" "str_replace_na" "theme_replace"
dir（）列出目录中的所有文件。 pattern参数采用正则表达式，并且仅返回与模式匹配的文件名。 例如，您可以使用以下命令在当前目录中找到所有R Markdown文件：
head(dir(pattern = "\\.Rmd$"))
#> [1] "communicate-plots.Rmd" "communicate.Rmd" "datetimes.Rmd"
#> [4] "EDA.Rmd" "explore.Rmd" "factors.Rmd"
参考：
https://r4ds.had.co.nz/strings.html
