正则表达式一开始可能令人望而生畏，因为它包含大量特殊字符。在本章中，您将学会理解这些符号，并编写自己的模式，精准找到您想要的内容。

欢迎

以…开头、以…结尾

当您不确定要找什么时

字符类与重复

数字、单词与空格

匹配重复

这些特殊字符各自是做什么的？

管道符与问号

二选一，还是三选一

问号及其两层含义

您现在已经能看懂这个了！

正则表达式：编写自定义模式

本章我们将稍微脱离正则表达式，转向字符串处理，学习如何从向量或列表等其他数据结构创建字符串。

认识 glue

别再 paste，开始 glue

拼接数据框

glue 能接收多少个参数？

将多个元素合并为一个字符串

用列表组织一个问题

折叠数据框

Glue 和 Collapse，有什么区别？

粘合正则表达式

用 glue 构造"或"模式

在更大的数据集上使用"或模式"

让高级模式更易读

用数据构建字符串

正则表达式真正大显身手的任务之一，就是从一大段文本中提取有用信息。本章将带您从不规则、非表格化的纯文本中抽取所需数据。

捕获组

匹配所有捕获组

查找并替换

可以嵌套捕获组吗？

tidyr 的 extract

创建符合需求的正则表达式

为什么会失败？

提取一个进阶正则表达式

从文本中提取匹配及其上下文

连同上下文提取姓名

选项

自定义模式

重复次数

这么多特殊字符

从文本中提取结构化数据

在最后一章中，我们将从正则表达式转向理解字符串距离。通过计算多个字符串之间的差异，我们可以匹配那些彼此相似的项。即使存在小错误（如拼写错误），这也有助于发现重复记录。这是记录链接的重要步骤，即将来自多个来源的数据集合并。

理解字符串距离

计算字符串距离

为搜索错别字找到匹配项

字符串距离的方法

编辑距离 vs. q-gram 方法

尝试不同的方法

一种距离会比另一种更好吗？

模糊连接（fuzzy join）

执行字符串距离连接

短字符串的字符串距离

自定义模糊匹配

基于两个条件查找匹配项

为什么要在多列上进行连接？

恭喜您

字符串之间的相似性

处理表格中的数据很有趣。但如果最重要的信息不在整齐的 数据集 里，而是出现在纯文本中怎么办？别担心：在本课程中，您将学会如何编写强大的正则表达式，从一大段文本中精准找到分析所需的信息。不仅如此，借助字符串距离的概念，您还能处理包含错别字或扫描错误的文本，并将其与其他数据源中的正确记录匹配（记录链接）。作为学习素材，我们将分析有关瑞士影院票房数据的真实文档。

Introduction to the Tidyverse

String Manipulation with stringr in R

学习如何在R中创建强大的正则表达式和字符串距离，以操控文本数据并分析识别错误。

R 中级正则表达式

用 R 掌握正则表达式和字符串距离，处理文本数据、分析等更多内容。

从文本中提取匹配及其上下文

Create Your Free Account