在R中使用正则表达式替换不含特殊字符的字符串

Question

我正在使用 R 语言和足球赛程进行正则表达式练习，但却无法解决以下问题：

我想将任何主场比赛更改为字符串“HOME”。 这是我正在使用的 schedule_team 数据帧的片段：

  Team   w1   w2   w3   w4   w5   w6   w7   w8   w9  w10  w11  w12  w13  w14
1  ARI   SD @NYG   SF  BYE @DEN  WSH @OAK  PHI @DAL  STL  DET @SEA @ATL   KC
2  ATL   NO @CIN   TB @MIN @NYG  CHI @BAL  DET  BYE  @TB @CAR  CLE  ARI  @GB
3  BAL  CIN  PIT @CLE  CAR @IND  @TB  ATL @CIN @PIT  TEN  BYE  @NO   SD @MIA

非主场球队在字符串开头有一个@符号。主场球队则没有。使用Python中的正则表达式，我认为可以选择所有主场球队的正则表达式如下：^([A-Z])\w+，本质上是以大写字母开头。但这种方法在R中无法实现，因为其中包含\w和其他错误。

以下是我尝试过但失败的内容：

str_replace_all(as.matrix(schedule_teams), "[[^([A-Z])\w+]]", "HOME")

有没有更简单的方法将所有主队更改为HOME？

提前感谢。

- WycG

---

离题了，但最好将其重新格式化为长形数据框，每行表示一个团队，具有“位置”和“对手”两列。这样更容易阅读，只有大约30行。 - Rich Scriven

@RichardScriven 谢谢Richard..这是我的计划，希望能熟悉tidyr包来实现！ - WycG

Answer 1

您的正则表达式语法不正确，它被包含在级联的字符类中，并且您试图在类内使用捕获组，这会导致模式在到达闭合)时失败。

简而言之，您当前的正则表达式定义了一组字符（不是您想要的内容），然后失败了。

[[^([A-Z]  # any character of: '[', '^', '(', '[', 'A' to 'Z' 

为了解决这个问题，您需要删除放置在内部的字符类和捕获组，并确保在正则表达式模式中双倍转义\w，然后它就可以正常工作。我在我的控制台上测试过，它可以正常工作。

> df[,-1] <- str_replace_all(as.matrix(df[,-1]), '^[A-Z]\\w+', 'HOME')
##   Team   w1   w2   w3   w4   w5   w6   w7   w8   w9  w10  w11  w12  w13  w14
## 1  ARI HOME @NYG HOME HOME @DEN HOME @OAK HOME @DAL HOME HOME @SEA @ATL HOME
## 2  ATL HOME @CIN HOME @MIN @NYG HOME @BAL HOME HOME  @TB @CAR HOME HOME  @GB
## 3  BAL HOME HOME @CLE HOME @IND  @TB HOME @CIN @PIT HOME HOME  @NO HOME @MIA

除了使用 stringr 库之外，如果你坚持使用正则表达式，你也可以使用 sub 来完成此操作。

> df[,-1] <- sub('^[A-Z]\\w+', 'HOME', as.matrix(df[,-1]))

以下是一种不使用正则表达式的方法：

> m <- as.matrix(df[-1])
> m[substr(m,0,1) != '@'] <- 'HOME'
> cbind(df[1], m)
##   Team   w1   w2   w3   w4   w5   w6   w7   w8   w9  w10  w11  w12  w13  w14
## 1  ARI HOME @NYG HOME HOME @DEN HOME @OAK HOME @DAL HOME HOME @SEA @ATL HOME
## 2  ATL HOME @CIN HOME @MIN @NYG HOME @BAL HOME HOME  @TB @CAR HOME HOME  @GB
## 3  BAL HOME HOME @CLE HOME @IND  @TB HOME @CIN @PIT HOME HOME  @NO HOME @MIA

- hwnd