请问怎么用R语言正则表达式统计文章的单词数和中文字数，不能用程序包？

首先声明，用R来处理字符串数据并不是一个很好的选择，还是推荐使用Perl或者Python等语言。不过R本身除了提供了一些常用的字符串处理函数，也对正则表达式有了一定的支持，具体各个函数的使用方法还是要参考R的帮助文档。

sub()与gsub()使用正则表达式对字符串进行替换。

grep()、regexpr()、gregexpr()都是用于正则表达式的匹配，只是返回的结果格式有些不同。

几个函数的使用格式如下：

grep(pattern, x, ignorecase = FALSE, extended = TRUE,

perl = FALSE, value = FALSE, fixed = FALSE, useBytes = FALSE)

regexpr(pattern, text, ignorecase = FALSE, extended = TRUE,

perl = FALSE, fixed = FALSE, useBytes = FALSE)

gregexpr(pattern, text, ignorecase = FALSE, extended = TRUE,

perl = FALSE, fixed = FALSE, useBytes = FALSE)

sub(pattern, replacement, x,

ignorecase = FALSE, extended = TRUE, perl = FALSE,

fixed = FALSE, useBytes = FALSE)

gsub(pattern, replacement, x,

ignorecase = FALSE, extended = TRUE, perl = FALSE,

fixed = FALSE, useBytes = FALSE)

其中参数pattern表示用于匹配的正则表达式模式；参数x和text表示用于搜索的字符串向量；参数ignorecase为FALSE时，表示模式匹配是对字母的大小写敏感；参数VALUE也是一个逻辑变量，若为FALSE，grep函数会返回一个由匹配元素所在的位置组成的向量，若为TRUE，则返回由匹配元素本身组成的向量；参数replacement只在函数sub和gsub中出现，用于进行替换，如果fixed=FALSE,可通过\1，,\9来回溯引用匹配模式中由括号括起来的子表达式。如果参数perl=TRUE,还可以通过\U或\L将匹配字符转换成大写或小写。

一些示例代码：

> grep("[a-z]", letters)

[1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

[25] 25 26

#参数value的使用

> grep("[a-z]", letters,value=TRUE)

[1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n" "o" "p" "q" "r"

[19] "s" "t" "u" "v" "w" "x" "y" "z"

#将字符串的首字母转换为大写

> gsub("^(\\w)", "\\U\\1", "a test of capitalizing", perl=TRUE)

[1] "A test of capitalizing"

#将字符串中每个单词的首字母转换为大写

> gsub("\\b(\\w)", "\\U\\1", "a test of capitalizing", perl=TRUE)

[1] "A Test Of Capitalizing"

#对电子邮件地址进行匹配为例，用一个正则表达式来匹配电子邮件地址是一项很常见的任务。

>text<-c("ben@sinacom","kate@sinacom","kate@sinacom","kate@sina12","kate@12sinacom")

> text

[1] "ben@sinacom" "kate@sinacom" "kate@sinacom"

[4] "kate@sina12" "kate@12sinacom"

> grep("(\\w+\\)\\w+@(\\w+\\)+[a-zA-Z]+",text)

[1] 1 3 5

函数有很多，比如字符串拼接函数，分割函数，打乱函数等。

1确保堆栈上至少有 n 个额外空位。 如果不能把堆栈扩展到相应的尺寸，函数返回假。 失败的原因包括将把栈扩展到比固定最大尺寸还大 （至少是几千个元素）或分配内存失败。 这个函数永远不会缩小堆栈； 如果堆栈已经比需要的大了，那么就保持原样。

2销毁指定 Lua 状态机中的所有对象 （如果有垃圾收集相关的元方法的话，会调用它们）， 并且释放状态机中使用的所有动态内存。 在一些平台上，你可以不必调用这个函数， 因为当宿主程序结束的时候，所有的资源就自然被释放掉了。 另一方面，长期运行的程序，比如一个后台程序或是一个网站服务器， 会创建出多个 Lua 状态机。那么就应该在不需要时赶紧关闭它们。

比较两个 Lua 值。 当索引 index1 处的值通过 op 和索引 index2 处的值做比较后条件满足，函数返回 1 。 这个函数遵循 Lua 对应的 *** 作规则（即有可能触发元方法）。 反之，函数返回 0。 当任何一个索引无效时，函数也会返回 0 。

op 值必须是下列常量中的一个：

LUA_OPEQ: 相等比较 (==)

LUA_OPLT: 小于比较 (<)

LUA_OPLE: 小于等于比较 (<=)

3连接栈顶的 n 个值， 然后将这些值出栈，并把结果放在栈顶。 如果 n 为 1 ，结果就是那个值放在栈上（即，函数什么都不做）； 如果 n 为 0 ，结果是一个空串。 连接依照 Lua 中通常语义完成（）。

从索引 fromidx 处复制一个值到一个有效索引 toidx 处，覆盖那里的原有值。 不会影响其它位置的值。

void l ua_createtable (lua_State L, int narr, int nrec);

4创建一张新的空表压栈。 参数 narr 建议了这张表作为序列使用时会有多少个元素； 参数 nrec 建议了这张表可能拥有多少序列之外的元素。 Lua 会使用这些建议来预分配这张新表。 如果你知道这张表用途的更多信息，预分配可以提高性能。 否则，你可以使用函数

int lu a_dump (lua_State L,

lua_Writer writer,

void data,

int strip);

把函数导出成二进制代码块 。 函数接收栈顶的 Lu a 函数做参数， 然后生成它的二进制代码块。 若被导出的东西被再次加载， 加载的结果就相当于原来的函数。 当它在产生代码块的时候， lua_dump 通过调用函数 writer （r ） 来写入数据，后面的 data 参数会被传入 writer 。

5如果 strip 为真， 二进制代码块将不包含该函数的调试信息。

最后一次由 writer 的返回值将作为这个函数的返回值返回； 0 表示没有错误。

该函数不会把 Lua 函数d出堆栈。

希望能帮到你，谢谢！

\ | ( ) [ ] ^ $ +

数量词： + {m} {m,n} {m,}

stringr包里面的函数主要分为 6大类 ，包括：

接下来，我们将逐个演示这些函数的使用方法。

str_detect 可以检测pattern是否包括在某个字符串中，并返回TRUE和FALSE

str_count 检测pattern是否包括在某个字符串中的数目

str_which 告诉pattern的索引位置

str_locate 和 str_locate_all 返回pattern的开始和终止位置；

区别是 str_locate 只返回字符串里面的 首个匹配 到的pattern；

str_locate_all 返回字符串里面的 所有匹配 到的pattern；

str_view 和 str_view_all 函数都可以以可视化的方式，返回字符串中匹配到的pattern；

str_sub 在给定起始和终止参数的基础上对字符串进行截取或者替换

str_subset 返回pattern所在的字符串

str_extract 函数返回每个字符串中首个匹配到的pattern

str_extract_all 函数返回每个字符串中所有匹配到的pattern str_extract_all 函数中 simplify 默认为False，默认返回list；当 simplify 为True，则返回matrix

str_match 函数返回每个字符串中首个匹配到的pattern，以matrix的形式呈现

str_match_all 函数返回每个字符串中所有匹配到的pattern，以list的形式呈现

str_length 函数可以计算字符串的长度

str_pad 函数可以填充字符

str_trim 函数去除字符串的空白部分

str_squish 函数作用和 str_trim 函数作用一致，但除了去除字符串前、后的空格，它还可以去除字符串中间出现的重复的空格。这一点上， str_trim 函数无法办到。

str_trunc 函数可以把字符串切割到指定长度

str_replace 函数可以替换pattern为新的字符，仅限于第一个匹配到的

str_replace_all 函数可以替换所有匹配到的pattern

str_replace_na 可以将缺失值替换成‘NA’，这样naomit函数就无法将缺失值删除了

在 str_replace 和 str_replace_all 函数中，replacement可以用\1, \2中表示模式中的捕获

str_to_upper 函数可以将小写字母转成大写字母

str_to_lower 函数可以将大写字母转成小写字母

str_remove 可以移除字符串中首个匹配到的pattern

str_remove_all 可以移除字符串中所有匹配到的pattern

str_c 函数可以拼接多个字符串

str_dup 函数可以复制字符串

str_split 按照pattern分割字符串

str_split_fixed 按照pattern将字符串分割成指定个数

str_order 函数和 str_sort 函数都可以对字符串进行排序，两者之前的区别在于 前者返回排序后的索引（下标），而后者返回排序后的实际值 。

R 正则表达式

R语言与正则表达式

原来是它！正则表达式揪出生信分析中没有报错的内鬼错误

R语言教程

R for Data Science