7.1.1 Basics: ., ^, $, |, \ (escape)

• .: 萬用字元

  妹妹.正

  我妹妹很正
  我妹妹超正
  我妹妹超級正
  我妹妹 正

  妹妹..正

  我妹妹很正
  我妹妹超正
  我妹妹超級正
  我妹妹 正

• ^, $: Anchors

  ^你

  你妹妹很正
  我妹妹超正
  你沒有妹妹

  超正$

  你妹妹很正
  我妹妹超正
  你沒有妹妹

• (), |: group

  gre|ay

  grey
  gray

  gr(e|a)y

  grey
  gray

  (很|超|超級)正

  我妹妹很正
  我妹妹超正
  我妹妹超級正

• \: escape

  妹妹超\.級\.正

  我妹妹超.級.正
  我妹妹超～級～正

7.1.2 Repetition

• +, ?

  超+正

  我妹妹超正
  我妹妹超級正
  我妹妹超超超超正

  超級?正

  我妹妹超正
  我妹妹超級正
  我妹妹超超超超正

  超+級?正

  我妹妹超正
  我妹妹超級正
  我妹妹超超超超正

• {num}, {min,}, {,max}, {min,max}

  \d{4}-\d{2}-\d{2}

  今天是 2019-10-31
  今天是 2019-2-10
  今天是 2019-1-1

  \d{4}-\d{1,2}-\d{1,2}

  今天是 2019-10-31
  今天是 2019-2-10
  今天是 2019-1-1

  \d{4}-\d{1,}-\d{1,}

  今天是 2019-1-10
  不存在 2019-555-555

7.1.3 Character classes

• \s

  妹妹\s超正

  我妹妹超正
  1 space: 我妹妹 超正
  1 tab: 我妹妹  超正
  2 tabs: 我妹妹        超正

  妹妹\s+超正

  我妹妹超正
  我妹妹 超正
  我妹妹 超正
  我妹妹        超正

• []

  [超很極]正

  我妹妹超正
  我妹妹很正
  我妹妹極正
  我妹妹不正

  [B-D]1

  A1 B1 C1 D1 E1 F1 G1 H1 I1 J1 K1 L1 M1 N1 O1 P1 Q1 R1 S1 T1 U1 V1 W1 X1 Y1 Z1

  a[2-5]

  a1 a2 a3 a4 a5 a6 a7 a8 a9 a10

  a[^2-5]

  a1 a2 a3 a4 a5 a6 a7 a8 a9 a10

7.1.4 Your Turn

1. 找出所有記者姓名

   【.{3}╱.+報導】

   【賴德剛╱綜合報導】
   大聯盟勞資協議昨獲共識，要繳交超出部分的17.5%稅額，連續第2年則課30%，連續第3年40%，第4年起都是50%。新版協議，第1年稅額調高為20%，第2年不變，第3年起都是50％。
   【曾雪蒨╱台中報導】
   一名35歲OL是「3C控」，白天上班打電腦、訊軟體聲響，竟忍不住低頭滑手機看內容...
   【蔡裕隆╱彰化報導】
   台灣啤酒「台版天兵麥基(JaVale McGee)」周伯勳，昨出戰臺灣銀行，轟出全隊次高...
   【韓政燕╱綜合外電報導】
   日本前晚從鹿兒島縣種子島宇宙中心成功發射搭載無人補給太空船「鸛」6號的...
   【國際中心╱綜合外電報導】
   今年美國總統大選期間，大量假新聞充斥推特、臉書等社交網站，遭質疑扭曲真相...
   【鍾裕能╱綜合報導】
   巨人季後簽了陽岱鋼、山口俊、森福允彥共3名自由球員，又網羅前樂天大砲...

2. 找出所有百分比 (e.g. 20%, 17.5%)

   [0-9.]+%

   【賴德剛╱綜合報導】
   大聯盟勞資協議昨獲共識，要繳交超出部分的17.5%稅額，連續第2年則課30%，連續第3年40%，第4年起都是50%。新版協議，第1年稅額調高為20%，第2年不變，第3年起都是50％。
   【曾雪蒨╱台中報導】
   一名35歲OL是「3C控」，白天上班打電腦、訊軟體聲響，竟忍不住低頭滑手機看內容...
   【蔡裕隆╱彰化報導】
   台灣啤酒「台版天兵麥基(JaVale McGee)」周伯勳，昨出戰臺灣銀行，轟出全隊次高...
   【韓政燕╱綜合外電報導】
   日本前晚從鹿兒島縣種子島宇宙中心成功發射搭載無人補給太空船「鸛」6號的...
   【國際中心╱綜合外電報導】
   今年美國總統大選期間，大量假新聞充斥推特、臉書等社交網站，遭質疑扭曲真相...
   【鍾裕能╱綜合報導】
   巨人季後簽了陽岱鋼、山口俊、森福允彥共3名自由球員，又網羅前樂天大砲...

7.1.5 Backreference

防不勝防
精益求精
眉下添眉
年復一年
噩噩渾渾
沸沸揚揚
紛紛攘攘
風風雨雨

防不勝防
精益求精
眉下添眉
年復一年
噩噩渾渾
沸沸揚揚
紛紛攘攘
風風雨雨

7.1.6 Your Turn

一口接一口
一口接著一口
一口接著又一口
一巴掌接著一巴掌

7.2.1 str_detect()

s <- c("cat", "bed", "car", "Mr.")
str_detect(s, "a")

#> [1]  TRUE FALSE  TRUE FALSE

str_detect(s, "\\.")

#> [1] FALSE FALSE FALSE  TRUE

• str_detect() 可與 [] 或 dplyr::filter() 結合，用來篩選資料：

  s <- c("cat", "bed", "car", "Mr.")
  s[str_detect(s, "^c")]

  #> [1] "cat" "car"

7.2.2 str_match() / str_match_all()

• str_match() 可從文字裡抓出符合 RegEx 的字串。str_match() 只會抓出 str 每個元素裡第一個符合的字串，並且以 matrix 的資料結構回傳：

  s <- c("Won't match.", 
         "One two three, four five six.", 
         "Seven eight nine.")
  str_match(s, "([a-zA-Z]+) ([a-zA-Z]+) ([a-zA-Z]+)")

  #>      [,1]               [,2]    [,3]    [,4]   
  #> [1,] NA                 NA      NA      NA     
  #> [2,] "One two three"    "One"   "two"   "three"
  #> [3,] "Seven eight nine" "Seven" "eight" "nine"

  • 回傳的 matrix 中，
    • 每列 (row) 對應到 str 中的一個元素。在此，因為 str 長度為 3，因此回傳的 matrix 有 3 列。matrix 的每列代表 str 中每個元素 (字串) 中第一個符合 RegEx 的部份。
    • 第一行 (column) 是整個 RegEx 抓到的字串，i.e. 符合 (\w+) (\w+) (\w+) 的字串。後面幾行依序是 RegEx 中，各個 group 所抓到的字串，i.e. 各個 () 裡的 RegEx。例如，第二行是第一個 (\w+) 所抓到的內容；第三行則是第二個 (\w+) 所抓到的內容；依此類推。

• 若要抓出所有符合的字串，需使用 str_match_all()²²。str_match_all() 會抓出 str 每個元素裡所有符合的字串，並以 list 的資料結構回傳：

  str_match_all(s, "([a-zA-Z]+) ([a-zA-Z]+) ([a-zA-Z]+)")

  #> [[1]]
  #>      [,1] [,2] [,3] [,4]
  #> 
  #> [[2]]
  #>      [,1]            [,2]   [,3]   [,4]   
  #> [1,] "One two three" "One"  "two"  "three"
  #> [2,] "four five six" "four" "five" "six"  
  #> 
  #> [[3]]
  #>      [,1]               [,2]    [,3]    [,4]  
  #> [1,] "Seven eight nine" "Seven" "eight" "nine"

  • 回傳的 list 中，list 的每個元素依序對應到 str 的每個元素。因此，回傳的 list 長度為 3 (與 str 相同)
    • list 的每個元素內儲存的是一個 matrix，這個 matrix 的每列 (row) 對應到一個符合 RegEx 的字串。每行 (column) 的意義則與 str_match() 回傳的 matrix 相同。