r - 使用 R 匹配电子邮件格式

Question

我在 datacamp.com 上了介绍课，遇到了一个问题。

目标:使用 grep 找到正确的电子邮件。 “正确的电子邮件”定义为“@”，以“.edu”结尾。

电子邮件向量:

emails <- c("john.doe@ivyleague.edu", "education@world.gov", "dalai.lama@peace.org", 
        "invalid.edu", "quant@bigdatacollege.edu", "cookie.monster@sesame.tv")

我在想

grep("@*\\.edu$",emails)

它给了我

[1] 1 4 5

因为我认为“*”匹配“多个字符”。后来发现不是那么回事。

原来正确的代码是

grep("@.*\\.edu$",emails)

我用谷歌搜索了一些文档，但对如何获得正确答案只有模糊的认识。有人能解释一下 R 是如何匹配正确的电子邮件的吗？非常感谢!!

Answer 1

您已经被告知使用星号量词不能为您提供所需的特异性，因此请使用“+”量词，它至少强制进行一次这样的匹配。我决定通过添加一些重复的 at 符号来使问题变得更复杂:

emails <- c("john.doe@@ivyleague.edu", "education@@world.gov", "dalai.lama@peace.org", 
"invalid.edu", "quant@bigdatacollege.edu", "cookie.monster@sesame.tv")


grep( "^[^@]+@[^@]+\\.edu$", emails)
#[1] 5

它使用正则表达式字符类结构，其中侧方括号内的项目被视为文字，除非有一个初始的向上插入符号(“^”)，在这种情况下它是字符类的否定，即在这种情况下，除“@”之外的任何字符。这也将排除 at 符号是第一个字符的情况。感谢 KonradRudolph，他指出将 "^" 添加为模式中的第一个字符(表示就在潜在匹配的第一个字符之前的点)将阻止允许带有初始 "@@"的项目"从被匹配。