R语言中使用gsub替换"+"出现异常的原因及正确实现方式

嗨，这个问题我之前也踩过坑！其实问题出在正则表达式的特殊字符上，咱们一步步来理清楚：

为什么会出现奇怪的替换结果？ #

gsub()函数默认是按照正则表达式模式来匹配字符串的，而"+"在正则里是个元字符，它的含义是「匹配前面的元素一次或多次」，不是你想替换的那个普通加号。

当你直接写gsub("+", ">", df$a)时，gsub会把"+"当成正则规则：它会匹配任意单个字符（因为前面没有指定具体元素，默认匹配任意），然后给每个匹配到的字符前后都加上>，就出现了你看到的>A>B>+>C>D>+>E>F>这种奇怪结果。

正确的实现方式 #

有两种简单的方法可以解决这个问题：

方法1：转义加号（正则方式）

把加号转义成字面量字符，在R里需要用双反斜杠\\+来表示（因为单个反斜杠是R字符串的转义符，所以要写两个才能传到正则引擎里）：

df$y <- gsub("\\+", ">", df$a)

方法2：使用fixed参数（非正则方式）

告诉gsub()不要用正则匹配，而是按固定字符串来查找，直接设置fixed=TRUE参数：

df$y <- gsub("+", ">", df$a, fixed = TRUE)

验证结果 #

运行上面任意一种方法后，你的df就会得到期望的输出：

df
#>          a x        y
#> 1 AB+CD+EF 1 AB>CD>EF
#> 2 GH+IJ+KL 2 GH>IJ>KL

备注：内容来源于stack exchange，提问作者Nao