Vítejte

Intermediate Regular Expressions in R

Angelo Zehr

Data Journalist

Kde jste mohli skončit

Práce s řetězci pomocí stringr v R

Od Rebusu k vlastním výrazům

Začíná "cat" na "c"?

Způsob s rebus:

str_detect("cat", pattern = START %R% "c")

Regulární výraz:

str_detect("cat", pattern = "^c")

Předpoklady: stringr

str_detect(string, pattern)

str_match(string, pattern)

Co vám regulární výrazy umožní

blob textu se zvýrazněním

Co vám regulární výrazy umožní

blob textu se zvýrazněním

Náš první datový soubor

movie_titles <- c(
  "Karate Kid",
  "The Twilight Saga: Eclispe",
  "Knight & Day",
  "Shrek Forever After (3D)",
  "Marmaduke.",
  "Predators",
  "StreetDance (3D)",
  "Robin Hood",
  "Micmacs A Tire-Larigot",
  "Sex And the City 2",
...

movie_titles[
  str_detect(
    movie_titles,
    pattern = "^K"
  )
]

"Karate Kid",
"Knight & Day",
...

Speciální znaky v regulárních výrazech

Speciální znak	Význam
`^`	Stříška: Označuje začátek řádku nebo řetězce
`$`	Dolar: Označuje konec řádku nebo řetězce
`.`	Tečka: Odpovídá čemukoli: písmenům, číslům nebo mezerám
`\\.`	Dvě zpětná lomítka: Escapuje tečku při hledání skutečné tečky

Příklad

Kód	Výsledek
`str_match("Book", "^.")`	Odpovídá `"B"`
`str_match("Book", ".$")`	Odpovídá `"k"`
`str_match("Book", "\\.")`	Žádná shoda
`str_match("Book.", "\\.")`	Odpovídá `"."`

Pojďme si procvičit!

Intermediate Regular Expressions in R