grep的全稱是global search regular expression and print out the line，是Unix下一種強大的文本搜索工具，可以通過正則表達式搜索文本，並把匹配的行打印出來[1]。
-+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+-
R document裏，grep系列包含grep, grepl, sub, gsub, regexpr, gregexpr, regexec 7個主要函數。
-----------------------------------------------------------------------------------------------
這些公式的主要共用參數有:
- pattern: 搜索標準。(可參考EXCEL中Match()函數的第一個參數lookup_value)
-
- 可以是一個正則表達式，也可以是一個字符串，如果是字符串，則需明確fixed = TRUE (請看下文)；
- pattern的賦值會被轉換成字符格式(用as.character)；
- 如果pattern被賦值爲一個長度大於1的字符型向量，則函數只讀取第一個元素並提示警告信息；
- 除regexpr和gregexpr以外，其它函數均可以查詢缺失值(NA, NaN, etc.)
- x, text: 被搜索項。(可參考EXCEL中Match()函數的第二個參數lookup_array)
-
- 可以是一個字符型向量，也可以是一個能夠被as.character轉換成字符向量的對象；
- 長向量(LongVectors, 向量長度>=2^31)也可以作爲賦值項。
- ignore.case: 默認值爲FALSE。F表示區分大小寫，T則表示不區分
- perl: 默認爲F，選擇T表示使用Perl的正則表達式規則，功能更加強大[2]。
- fixed: 精確匹配。(可參考EXCEL中Match()函數的第三個參數match_type)
-
- 默認爲F。如果爲T，則表示精確查找(即不使用正則表達式規則)。
- 這個參數在所有參數中優先級最高，如果有衝突，則以此參數賦值爲準。
- useBytes: 字節匹配。默認爲F：按字符逐個查詢。如果爲T，則按字節逐個查詢(所以這個參數對中文，日文韓文這樣的字符來說是沒有作用的)。
另有三個獨特參數：
- invert: 只在grep(...)中使用。默認爲F，如果爲T，則返回不匹配的元素的座標或值，即查找pattern的補集
- value: 只在grep(...)中使用。默認爲F，如果爲T，則返匹配值的元素值(而非下標)
- replacement: 顧名思義用於替換pattern，只在sub(...)和gsub(...)中使用。
-
- 替換項被自動轉換成字符格式；
- 若fixed = F，則可包含如"\1","\9"這樣的字符[3]；
- 若只有perl = T，則可用"\U","\L"去將剩餘替代項轉換成大寫或者小寫，用”\E“去轉換end case[4]；
- 如果replacement是長度大於2的向量，則只有第一個元素被使用，並會彈出警告信息；
- 如果replacement是NA，則所有對應匹配項的元素，都會被設置爲NA。
-----------------------------------------------------------------------------------------------
7個函數可以分爲3組
- grep, grepl: 返回pattern的匹配項。
-
- 前者返回匹配項目的下標；後者返回邏輯值，x長度有多少，就返回多少個邏輯值。
- 如果添加一個value參數，賦值爲T，則返回匹配項的值。
> text <- c("Company", "Coworker", "Cooperation", "Can")> grep("o", text)[1] 1 2 3> grepl("o", text)[1] TRUE TRUE TRUE FALSE> grep("o", text, value = T)[1] "Company" "Coworker" "Cooperation"
- sub, gsub: 返回用replacement替換匹配項之後的x(字符型向量)。前者只替換向量中每個元素的第一個匹配值，後者替換所有匹配值。注意以下兩個例子中"o"的替換方式。
[1] "Cxxmpany" "Cxxworker" "Cxxoperation" "Can"
> gsub("o", "xx", text)[1] "Cxxmpany" "Cxxwxxrker" "Cxxxxperatixxn" "Can"
- regexpr, gregexpr, regexec
-
- regexpr: 應該是regular expression的縮寫。
-
- 返回一個與x同樣長度的整數向量，標記vector中每個元素第一個匹配項的下標。-1表示沒有匹配；
- match.length返回各匹配項長度，-1表示該元素非匹配項。
- gresgexpr: 應該是general regular expression的縮寫
-
- 返回一個list，x的長度是多少，list就有多少個元素；
- list中每個元素的向量值對應x的中對應元素匹配pattern的所有下標；
- list中每個元素的形式都與regexpr的結果一樣。
- regexec: 不知道是神馬的縮寫(假設exec是execuion吧)。
-
- 相當於是regexpr的結果以list形式儲存。
> regexpr("o", text)
> gregexpr("o", text)
> regexec("o", text)
-+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+-
暫時還不熟悉正則表達式的相關用法，所以無法嘗試出grep( )更多精妙強大的地方，暫時只能學習到這裏。
-+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+--+-
[1][2] 這兩句話是copy自lijian大神的博客：R中字符串處理和grep的用法