正则表达式用于查找文件

Question

好的，我放弃了，在阅读了正则表达式的帮助文章之后，我仍然不知道我在寻找什么，所以我要问一个问题：

我有一个文件列表：

files <- c("files_combined.csv","file_1-10.csv","file_11-20.csv",
           "file_21-30.csv","file_2731-2740.csv","file_2731-2740.txt")

我只想要以"file_"开头并以".csv"结尾的csv文件。我知道它看起来像这样：

grep(pattern = "^file_???.csv$" ,files)

但我需要找到正确的正则表达式，忽略第一个和第二个模式之间的字符数（"file_" + ".csv"）。如果有人知道 R 中完整的正则表达式列表，我将非常感激，因为每次阅读帮助文档都很繁琐，而且像我这样有时候并不成功...

- JBGruber

---

类似于“^file_.*\.csv$”这样的东西可能吗？ - David Arenburg

grep("^file_.+\\.csv$",files,value=T) 这样做符合你的要求吗？ - Heroka

为了以后参考，我已经打印出并贴在办公室墙上了 这个 正则表达式备忘单（该网站现在似乎已经无法访问，但我相信还有其他版本）。我知道正则表达式在一开始可能会令人望而生畏... 而且 R 文档本来就不是很清晰易懂（仍在等待 SO 文档的消息...）。也许你也应该尝试在一些 R 正则表达式问题中进行探索，可以看看 这里。 - MichaelChirico

正则表达式并不是仅限于R语言的，它们存在于自己的领域。这就是为什么你不能通过阅读R文档页面?regex来学习如何使用它们。我建议从这个教程开始：http://www.zytrax.com/tech/web/regex.htm - nicola

有一个叫做"txt2re"的网站可以根据给定的字符串创建正则表达式模式。也许这对你未来的工作会有所帮助！ - Graphican0

@MichaelChirico 通过 Wayback Machine 可以访问到那个备忘单的 PDF 版本：https://web.archive.org/web/20111024203537/http://www.cheatography.com/davechild/cheat-sheets/regular-expressions/pdf/ - IRTFM

Answer 1

R提供了一个使用通配符扩展的函数，可以使用glob模式，适用于那些不喜欢正则表达式的人：

files <- Sys.glob("file_*.csv")

这应该与您的模式匹配。

- doctorG

---

那也是我的第一猜想。但似乎R在这里有不同的逻辑。至少对我来说它没有效果... - JBGruber

文档确认所有系统都应将“*”解释为“匹配零个或多个字符”，因此它应该匹配以“file_”开头并以“.csv”结尾的任何内容，正如所需（当前工作目录中的文件）。 - doctorG

所以发生了什么： `> files <-c("files_combined.csv","file_1-10.csv","file_11-20.csv",

• "file_21-30.csv","file_2731-2740.csv","file_2731-2740.txt")

  files <- Sys.glob("file_*.csv") files character(0) 与另一个答案相比> grep("^file_.+\.csv$",files,ignore.case = T) [1] 2 3 4 5`

- JBGruber

可能是个愚蠢的问题。您当前的工作目录中实际上是否有这些文件呢？您的第一行创建了一个字符向量；而 Sys.glob 的第二行实际上在您当前的工作目录中查找与该模式匹配的文件。list.files() 是否返回包含所需文件的向量呢？ - doctorG

我现在明白我的错误出在哪里了。"file_*.csv"的组合不能与grep或list.files一起使用。这就是为什么我无法在我的示例字符向量上复制它的原因。但是你在找到我要找的实际文件（符合模式"mesa_*.csv"的那个，另一个只是例子...）方面是100%正确的！看来Sys.glob使用通配符，而R中的其他函数使用正则表达式（到目前为止，我对差异并不知晓）。 - JBGruber

我意识到我可能有点过于草率地假设你是在寻找文件，而不是想要从字符向量（也许是从另一个函数的输入）中工作。由于我习惯于使用Linux，自然会考虑“ls * .csv”或“ls file_* .csv”，而Sys.glob（）是用于该功能的自然函数。是的，如果您有一个字符向量作为输入，则需要使用其中一个regexp函数。此外，请注意，如果您想/需要使用regexp查找文件，则list.files（）需要一个regexp模式参数。 - doctorG

Answer 2

非常感谢！看来 David Arenburg 和 Heroka 你们同时提供了解决方案。同时也要感谢 MichaelChirico 提供的小抄。

以下是对我特定问题的答案：

grep("^file_.+\\.csv$",files,ignore.case = T)

关于正则表达式的问题，这个工具也非常有用 txt2re

- JBGruber

---

这不是一个答案。 - Heroka

Heroka，你给出了答案，但我不能接受它，因为你把它发布为评论。我想关闭这个问题... - JBGruber

@Idos，答案已经得到改进，现在回答了问题。 - Roland

@JonGrub 我其实无所谓，因为那个答案和这个几乎一模一样。你可以接受自己的答案来关闭它。 - Heroka