与 R 中的 GREPL 和 WITH 函数匹配的字符串

Question

我希望删除数据框中不符合特定列中正则表达式的任何行，即单元格必须以两个字符开头，后跟四个数字，之后我不关心它是 U09 还是 U21 .前 6 个字符很重要。

我正在使用以下代码，但返回了 0 行，我不确定为什么：

with(prachData, prachData[grepl("^[A-Z][A-Z][0-9]{4}$", WCEL.name), ])

当我键入 head(prachData$WCEL.name) 时，我得到以下详细信息：

> head(prachData$WCEL.name)
[1] 0           0           CE0001U21B2 CE0001U21A3 CE0001U21C1 CE0001U21B1
13684 Levels: 0 1 11 12 13 2 21 22 23 3 31 32 33 CE0001U09A3 CE0001U09B3 CE0001U09C3 CE0001U21A1 CE0001U21A2 ... WX0114U09C3

并使用 class(prachData$WCEL.name) 我得到：

[1] "factor"

谁能指导我改正错误？

Answer 1

问题似乎是在模式中使用 $ 这意味着字符串的结尾，因为它是一个元字符，但根据显示的输入，情况并非如此，因为在 4 位数字之后也是其他字符，即字符串不是仅以 6 个字符结尾，因此对于 OP 的模式，grepl 将 return FALSE。相反，它可以是，

with(prachData, prachData[grepl("^[A-Z][A-Z][0-9]{4}", WCEL.name), ])

展示一个可重现的例子

v1 <- factor(c(0,           0,           'CE0001U21B2', 'CE0001U21A3', 
                 'CE0001U21C1', 'CE0001U21B1'))
grepl("[A-Z]{2}[0-9]{4}$", v1)
#[1] FALSE FALSE FALSE FALSE FALSE FALSE

return都是假的

因此，当我们根据上述索引对 'v1' 进行子集时，

v1[grepl("[A-Z]{2}[0-9]{4}$", v1)]
#factor(0)
#Levels: 0 CE0001U21A3 CE0001U21B1 CE0001U21B2 CE0001U21C1

它return长度为 0。

而

grepl("[A-Z]{2}[0-9]{4}", v1)
#[1] FALSE FALSE  TRUE  TRUE  TRUE  TRUE

与 R 中的 GREPL 和 WITH 函数匹配的字符串

String matching with GREPL and WITH functions in R

regex

r

grepl