匹配R风格正则表达式中的转义符

Question

我正在尝试编写一个正则表达式，用NA替换所有不包含*的值。有人能解释一下如何正确否定R风格（PCRE？）正则表达式中的转义符吗？

temp<-data.frame(c("hi","keep**",NA),c("keep***",NA,"xxx"))
lapply(temp,function(x){gsub("[^\*]",NA,x)}) #This did not work like I thought it would

目标

NA    keep***
keep* NA
NA    NA

Answer 1

主要问题似乎是只将一个不是星号的字符与[^\*]匹配，并使用gsub将其替换为NA，而需要替换整个值（=字符串）。

使用^[^*]*$:

• ^-字符串的开头
• [^*]*-匹配0+个不是*的字符（由于末尾有*量词）（[^...]是一个否定字符类，它匹配该类中定义的字符以外的所有字符）
• $—字符串结束

由于正则表达式在没有perl=T的gsub中使用，因此不能在字符类中使用转义字符，因此TRE（源自POSIX）正则表达式风格禁止使用转义字符。

Answer 2

当您生成第一个字符"^"时，字符类运算符允许否定，但由于"裸"NA不是字符值，这还不够。您不需要转义字符类序列中的大多数其他特殊字符。你需要一个不同的策略来有条件地使选定的项目不适用。首先，你有一个伪装的因素混乱。我认为ifelse是一个不错的策略。R自动地将字符值转换为各种因素，这些因素会导致混乱。使用字符串AsFactors=FALSE或lapply(dfrm, as.character)来避免或修复：

> temp<-data.frame(a=c("hi","keep**",NA),b=c("keep***",NA,"xxx"), stringsAsFactors=FALSE)
> lapply(temp,function(x){ifelse( !grepl("[*]",x) , NA, x)})
$a
[1] NA       "keep**" NA      
$b
[1] "keep***" NA        NA    

Answer 3

不是最好的，但这也适用于

temp<-data.frame(c("hi","keep**",NA),c("keep***",NA,"xxx"))
lapply(temp,function(x){gsub("(?!.*\*)(\w+)", NA, x, perl=T)})