Espressioni regolari in R

La sintassi accettata dalle funzioni grep() (grepl, regexpr, gregexpr, sub and gsub), e strsplit() è presentata nella pagina di aiuto regex, accessibile da console o RStudio con il comando:

?base::regex

Vedi anche

• il capitolo 14 del libro R for Data Science (H. Wickham e G. Grolemund, 2017, in aggiornamento online)
• il capitolo 17 del libro R Programming for Data Science (R. D. Peng, 2020)
• voce Ricerca e sostituzione di testo

Le espressioni regolari devono essere inserite fra virgolette (sono stringhe di testo):

# per il dataset
library(dplyr)

# una parola
starwars$skin_color[grep("blue", starwars$skin_color)]

[1] "white, blue"      "blue, grey"       "blue"            
[4] "blue, grey"       "white, blue"      "blue"            
[7] "grey, blue"       "red, blue, white"

# OR
starwars$skin_color[grep("blue|white", starwars$skin_color)]

[1] "white, blue"      "white"            "white, red"       "blue, grey"      
[5] "blue"             "blue, grey"       "white, blue"      "white"           
[9] "blue"             "grey, blue"       "red, blue, white" "brown, white"

# nomi che cominciano per L
starwars$name[grep("^L", starwars$name)]

[1] "Luke Skywalker"   "Leia Organa"      "Lando Calrissian" "Lobot"           
[5] "Luminara Unduli"  "Lama Su"

# nomi che contengono numeri
starwars$name[grep("\\d", starwars$name)]

[1] "C-3PO"  "R2-D2"  "R5-D4"  "IG-88"  "R4-P17" "BB8"  

# set di caratteri e classi
# nomi che contengono numeri
starwars$name[grep("[0-9]", starwars$name)]

[:digit:], [:alpha:], ecc. vengono interpretati 'letteralmente', ovvero come set di caratteri (esempio: ":, d, i, g, i, t"), e vanno inseriti con doppia parentesi quadra:

# nomi che contengono numeri
starwars$name[grep("[[:digit:]]", starwars$name)]

Tutte le funzioni sopra citate condividono i seguenti argomenti:

• ignore.case = FALSE: la ricerca sarà case sensitive
• perl = FALSE: vengono usate le extended regexp di default; indicare TRUE per usare lo stile Perl

Pagina di aiuto su grep

La funzione glob2rx() traduce le espressioni con wildcard (asterisco "*") in regex:

glob2rx("L*")

"^L"

Quindi:

# nomi che cominciano per L
starwars$name[grep(glob2rx("L*"), starwars$name)]

[1] "Luke Skywalker"   "Leia Organa"      "Lando Calrissian" "Lobot"           
[5] "Luminara Unduli"  "Lama Su" 

nome_file.R