在挖掘分析的過程當中對字符串的處理是極為重要的，且出現也較為頻繁，R語言作為當前最為流行的開源數據分析和可視化平臺，雖然文本的處理并不是它的強項, 但是R語言還是包含大量的字符串操作工具，本章著重整理了部分常用字符處理函數及其使用方法。

1) 字符長度統計

length(x)函數 —?返回向量x的長度，或者說向量中元素的個數；

nchar(x)函數 ?—?返回向量x中的每個元素的字符個數，對于非字符元素會得到不可預料的結果。

–舉例1：

x

#返回3，向量x中共有3個元素

length(x)

#返回1 7 12，向量x中每個元素的字符個數

nchar(x)

–舉例2：

#返回1，空向量長度為1

length("")

#返回0，空向量字符長度為0

nchar("")

#非字符元素NA，返回錯誤結果2

nchar(NA)

2) 字符大小寫轉換

toupper(x)函數 — 將字符矩陣x內各元素轉化為大寫形式；

tolower(x)函數 — 將字符矩陣x內各元素轉化為小寫形式；

casefold(x，upper = FALSE)函數 — 將字符矩陣x內各元素轉化為大寫或小寫形式，默認為轉換為小寫，當upper =TRUE時轉換為大寫；

–舉例1：

x

#轉化x中的各元素為大寫形式，NA依然返回NA

toupper(x)

#轉化x中的各元素為小寫形式，NA依然返回NA

tolower(x)

#轉化x中的各元素為小寫形式，默認upper = FALSE，NA依然返回NA

casefold(x)

#轉化x中的各元素為大寫形式，設置upper = TRUE，NA依然返回NA

casefold(x, upper =TRUE)

字符串連接是較為常見的字符操作，在此R提供了強大的paste函數，它不僅可以實現字符串的連接，也可以實現字符向量的連接，無論是字符向量還是字符串，在連接前paste會把對象首先轉換為字符而后進行連接，另外，當向量連接時，較短的向量會循環使用。

1) paste?函數

基本語法:

paste?(...,sep=?"?",?collapse?=NULL)

參數sep表示連接的分隔符，默認為一個空格，參數collapse作為合并成一個字符串時的分隔符，詳情請見以下應用實例：

–舉例1：

x

paste(x,?y)

#不設置sep，默認以空格分割

paste("A",?1:4)

#設置sep，去掉空格分隔符

paste("A",?1:4,sep=?"")

–舉例2：

#字符向量的連接,較短的字符循環被使用

paste(c("a",?"b"),?1:3,sep=?"")

–舉例3：

#連接前隱式轉換為字符串

name

age

person

#返回結果"NJc(1,3, 2)"??? "NJc(30, 20,10)"

paste("NJ", person,sep="")

注: 數據框內的字符串會默認轉換為因子(依賴于stringsAsFactors參數的設置，默認為True，即字符會被轉換為因子類型)，然后paste連接的時候會進行隱式轉換，默認轉換為字符型連接，所以使用paste函數時，有時候并不能得到想要的結果。

–舉例4：

#使用collapse參數, collapse的使用可使連接后的字符組成一個字符串

#返回字符串A1,A2,A3,A4

paste("A", 1:4,sep="" ,collapse = ",")

2) paste0?函數

基本語法：

paste0(...,?collapse?=?NULL)

參數意義paste與函數相同, 不同之處在于sep默認設置為空字符。

–舉例1：

#結果中沒有空格分隔符

paste0("A", 1:4)

3) sprintf函數

基本語法:

sprintf(fmt,...)

sprintf表示字符串“打印”，把若干元素按照給定的格式組合賦值給字符串。fmt表示包含格式字符的字符向量，sprintf中的參數會循環使用。

–舉例1：

#以固定長度輸出月份的名稱，fmt被循環使用，長度不足在字符前面補空格

sprintf("%09s", month.name)

#以固定長度輸出月份的名稱，fmt被循環使用,長度不足在字符后面補空格

sprintf("%-9s", month.name)

–舉例2：

#向量元素按順序組合

sprintf(c("Name:%s", "Age: %s"), c("Kingsley", "30"))

–舉例3：

#以指定格式輸出圓周率

sprintf("%f",pi)

sprintf("%.3f",pi)

sprintf("%1.0f",pi)

sprintf("%5.1f",pi)

sprintf("%05.1f",pi)

sprintf("%+f",pi)

sprintf("%f", pi)

sprintf("%-10f",pi) # left justified

sprintf("%e",pi)

sprintf("%E",pi)

sprintf("%g",pi)

sprintf("%g",?? 1e6 * pi) # -> exponential

sprintf("%.9g",1e6 * pi) # -> "fixed"

sprintf("%G",1e-6 * pi)

4) cat函數

基本語法:

cat(... , file ="", sep = " ", fill = FALSE, labels = NULL,

append = FALSE)

cat函數用于連接字符串并輸出到文件，默認file為空直接輸出；sep表示連接的分隔符，默認為一個空格；fill邏輯值，為FALSE只有顯式地使用“\n”才會換行輸出，為TRUE只要達到選擇寬度即可換行；labels為行標簽，只在fill = TRUE時有效，若設定的行數小于實際行數，則會循環使用。append邏輯值，為FALSE會覆蓋之前的輸出，否則在原來內容后添加新輸出。

–舉例1：

#連接字符串，此處A不會循環使用

cat("A", 1:4, sep= " ")

–舉例2：

#換行輸出到文件abc.txt，每行都有相應的行標簽

cat(paste(letters, 100*1:26), file = "abc.txt", fill = T, labels = paste0("{",1:10, "}:"))

R語言有多重方法判斷特定元素(vector)在另一個元素(vector)中是否存在匹配的元素。下面逐一介紹各種方法：

1.??? match函數族

match函數族用于匹配字符時返回匹配或部分匹配的元素下標，匹配參數不支持正則表達式。

1)??? match函數

基本語法：

match(x, table,nomatch = NA_integer_, incomparables = NULL)

其中參數nomatch表示不匹配時的返回值(默認為NA，強制為integer型)，incomparables指定不能用來匹配的值(vector)，因此incomparables中配置的值，即使x在table中得到匹配也會由nomatch代替。match函數要求完全匹配。

–舉例1：

#return 2，字符mn匹配字符向量第二個元素的值

match("mn",c("ab", "mn", "xy"), nomatch =NA)

–舉例2：

#return 1，字符mn匹配字符向量第一以及第二個元素的值，返回第一個元素下標

match("mn",c("mn", "mn", "xy"), nomatch =NA)

–舉例3：

#return NA，incomparables包含了字符值mn，因此即使匹配也返回NA

match("xy",c("ab", "mn", "xy"), nomatch =NA,incomparables = c("mn", "xy"))

函數%in%，實際可表示為match函數，不同的是返回值為邏輯向量

"%in%" 0

–舉例1：

#返回長度為10的邏輯向量，存在的為TRUE，不存在為FALSE

1:10 %in%c(1,3,5,9)

–舉例2：

#返回sstr中存在于26個字符中的元素，包括大小寫

sstr

sstr[sstr %in%c(letters, LETTERS)]

2)??? pmatch函數

基本語法:

pmatch(x, table,nomatch = NA_integer_, duplicates.ok = FALSE)

其中參數nomatch表示不匹配時的返回值(默認為NA，強制為integer型)，

duplicates.ok表示table里面的元素是否可以適用多次。?pmatch函數是一個部分匹配函數,?依次從x里面挑出元素, 對照table進行匹配, 若匹配上則從table中剔除匹配上的值(部分匹配要求從元素的開始進行匹配，若x出現在table元素的中間不予匹配), 不再參與下次匹配, duplicate.ok可設置是否剔除;?對于某一個元素,?匹配一共分成三步：

l? 如果可以完全匹配, 則認為匹配上了, 返回table中的位置;

l? 不滿足上述條件, 如果是唯一部分匹配, 則返回table中的位置;

l? 不滿足上述條件, 則認為沒有值與其匹配上.

–舉例1：

#return2，完成匹配第二個元素，忽略第一個元素的部分匹配

pmatch("me",?? c("mean", "me","mode"))

–舉例2：

#return1，唯一部分匹配，返回匹配的元素下標

pmatch("me",?? c("mean", "mae","mode"))

–舉例3：

#returnNA，部分匹配多個值返回NA

pmatch("m",?? c("mean", "median", "mode"))

–舉例4：

#returnNA，mn出現在元素的中間不是從元素頭開始，因此不予匹配

pmatch("mn",?? c("mean", "amnb", "mode"))

–舉例5：

#duplicate.ok為FALSE，匹配后剔除，因此第一次完全匹配后table中的第二

#個元素被剔除，第二次只能取部分匹配的值，因此返回NA,2，1

pmatch(c("", "ab", "ab"), c("abc", "ab"), dup = FALSE)

–舉例6：

#duplicate.ok為TRUE，table中元素可使用多次，因此第一次完全匹配后#table的第二個元素未被剔除，第二次認可使用，因此返回NA,2，2

pmatch(c("", "ab", "ab"), c("abc", "ab"), dup = FALSE)

基本語法:

charmatch(x,table, nomatch = NA_integer_)

與pmatch功能類似可用于部分匹配，如果同時存在完全匹配和部分匹配則取完全匹配值的下標，對于多個完全配合或者多個部分匹配的情況返回0值，沒有匹配的返回nomatch所設置的值。

–舉例1：

#return2，完成匹配第二個元素，忽略第一個元素的部分匹配

charmatch("me",?? c("mean", "me","mode"))

–舉例2：

#return1，唯一部分匹配，返回匹配的元素下標

charmatch("me",?? c("mean", "mae","mode"))

–舉例3：

#return 0，部分匹配多個值返回0

charmatch("m",?? c("mean", "median", "mode"))

–舉例4：

#returnNA，mn出現在元素的中間不是從元素頭開始，因此不予匹配

charmatch("mn",?? c("mean", "amnb", "mode"))

–舉例5：

#匹配后元素仍可重復使用，return 0,2,2

charmatch(c("", "ab", "ab"), c("abc", "ab"))

2.??? grep函數族

與match函數不同，grep函數族可通過正則表達式在給定的對象中搜索文本。其中，grep輸出向量的下標或值，grepl返回匹配與否的邏輯值。regexpr，gregexpr和regexec可以查找到某些字符在字符串中出現的具體位置和字符串長度信息，可以用于字符串的提取操作。

1) grep函數

基本語法：

grep(pattern, x, ignore.case= FALSE, perl = FALSE, value = FALSE,

fixed = FALSE, useBytes = FALSE, invert =FALSE)

grepl(pattern, x,ignore.case = FALSE, perl = FALSE,

fixed = FALSE, useBytes = FALSE)

grepRaw(pattern,x, offset = 1L, ignore.case = FALSE,value = FALSE, fixed = FALSE, all = FALSE,invert = FALSE)

pattern為字符串表示的正則表達式，或者字符串(fixed = TRUE)，ignore.case邏輯值，FALSE表示大小寫敏感，TRUE不敏感；perl邏輯值，是否使用Perl風格的正則表達式，FALSE表示不使用，TRUE表示使用；value邏輯值，FALSE返回匹配元素的下標，TRUE返回匹配的元素值；fixed邏輯值，FALSE表示正則表達式匹配，TRUE為精確匹配；useBytes邏輯值，FALSE表示按字符匹配，TRUE表示按字節匹配；invert邏輯值，FALSE 查找匹配值，TRUE返回不匹配元素下標或值(根據value值)；offset指定匹配開始位置，all邏輯值，TRUE返回所有匹配值，FALSE返回第一個匹配值。

–舉例1：

#查找含有字符o或者r的字符串，返回匹配的下標

grep("[or]",c("Tom", "Jerry", "Mickey"))

#查找含有字符o或者r的字符串，返回不匹配的下標

grep("[or]",c("Tom", "Jerry", "Mickey"), invert = TRUE)

#點好(.)匹配任意字符，返回下標

grep("e.r",c("pear", "cherry", "apple"))

#點好(.)匹配任意字符,value設置為TRUE，返回匹配的值

grep("e.r",c("pear", "cherry", "apple"), value = TRUE)

#$匹配一個字符串的結尾，返回以y結尾的字符串

grep("y$",c("year", "Jerry", "Mickey"))

#^匹配一個字符串的開始，返回以y開始的字符串

grep("^y",c("year", "Jerry", "Mickey"))

#匹配以c開頭(不一定要求是字符串第一個字符)，接著方括號中任意一個字符，最

#后以t結尾

grep("c[aeiou]t",c("cat", "pcut", "apple"))

#[^a]表示匹配任意不是a的元素

grep("c[^a]t",c("cat", "pcut", "apple"))

#匹配a或者u

grep("c(a|u)t",c("cat", "pcut", "apple"))

#匹配字符串pp，{n}表示匹配n個字符

grep("ap{2}",c("cat", "pcut", "apple"))

#匹配字符串anan，{n}表示匹配n個字符

grep("(an){2}",c("cat", "pcut", " banana"))

#?匹配前面的子表達式零次或一次

grep("c(a)?t",c("cat", "pct", "apple"))

#*匹配前面的子表達式任意次,可匹配任意次的c和a

grep("ca*t",c("cat", "pct", "cct", "caaaat"))

#+匹配前面的子表達式一次或多次(大于等于1),只能匹配a

grep("ca+t",c("cat", "pt", "cct", "caaaat"))

–舉例2：

#查找含有字符o或者r的字符串，返回與向量長度相同的邏輯向量

grepl("[or]",c("Tom", "Jerry", "Mickey"))

–舉例3：

#返回第一次出現o或者r的下標

grepRaw("[or]","Tomorrow")

#設置all = TRUE，返回所有的o和r的位置下標

grepRaw("[or]","Tomorrow", all = TRUE)

#從位置3開始向后搜索匹配

grepRaw("[or]","Tomorrow", all = TRUE, offset = 3)

注意: 若原字符為非字節形式，會強制使用charToRaw先字節化。例如 :

charToRaw("Tomorrow")

2) regexpr、gregexpr和regexec函數

返回匹配結果的具體位置以及字符串長度信息，可以用于字符串的提取操作。

基本語法：

regexpr(pattern,text, ignore.case = FALSE, perl = FALSE,

fixed = FALSE, useBytes = FALSE)

gregexpr(pattern,text, ignore.case = FALSE, perl = FALSE,

fixed = FALSE, useBytes = FALSE)

regexec(pattern,text, ignore.case = FALSE, fixed = FALSE,

useBytes =FALSE)

–舉例1：

#返回匹配向量包括字符的位置及匹配長度(只匹配第一次出現的)，不匹配返回-1

regexpr("ca*t",c("cat", "pct", "cctdcat", "caaaat","ddd"))

#返回匹配列表包含字符的位置及匹配長度(匹配多次)，不匹配字符返回-1

gregexpr("ca*t",c("cat", "pct", "cctdcat", "caaaat","ddd"))

#返回匹配列表包含字符的位置及匹配長度(只匹配第一次出現的)，不匹配返回-1

regexec("ca*t",c("cat", "pct", "cctdcat", "caaaat","ddd"))

regmatches函數，可以提取regexpr,gregexpr或regexec函數中匹配或者不匹配(invert = TRUE)的字符

基本語法：

regmatches(x, m,invert = FALSE)

–舉例1：

#提取使用regexpr匹配的實際字符

x

m

regmatches(x, m)

根據廣義Levenshtein編輯距離進行字符串模糊匹配(adist函數可用于計算Levenshtein編輯距離)。

基本語法 ：

agrep(pattern, x,max.distance = 0.1, costs = NULL,

ignore.case = FALSE, value = FALSE, fixed= TRUE,

useBytes = FALSE)

agrepl(pattern,x, max.distance = 0.1, costs = NULL,

ignore.case = FALSE, fixed = TRUE,useBytes = FALSE)

max.distance表示允許的最大Levenshtein編輯距離。

–舉例1：

#返回最大編輯距離小于等于3的字符值

#返回1,2

agrep("lasy",c("1 lazy", "lmansky", "1 LAZY"), max = 3)

#返回"1 lazy"

agrep("lasy",c("1 lazy", "lmansky", "1 LAZY"), max = 2, value= T)

–舉例2：

#返回匹配的邏輯向量

agrepl("lasy",c("1 lazy", "lmansky", "1 LAZY"), max = 3)

1.??? 字符串提取

以下函數可用于字符串提取，同時substr和substring也可用于字符串替換。

1) substr函數

基本語法:

substr(x, start,stop)

對字符串x截取從start到stop的子字符串。

–舉例1：

#Return:jing，截取字符串第4位到第7為的字符

substr("Nanjing", 4, 7)

#Return:jing，截取字符串第4位到第10為的字符,stop超出字符長度，

#只取值到字符末尾

substr("Nanjing", 4, 10)

#Return:空字符，start超出字符串長度

substr("Nanjing", 8, 10)

–舉例2：

#截取字符向量，對于位置向量長度不足會循環使用

#位置向量為1：4, 2:5, 3:4, 1:5，兩個位置向量都循環取值

substr(rep("abcdef", 4), 1:3, 4:5)

–舉例3：

#替換原字符串1-3的字符

add

substr(add, 1, 3)

2) substring函數

基本語法:

substring(text,first, last = 1000000L)

對字符串x截取從first到last的子字符串，last默認值為1000000，可以不傳參。

–舉例1：

#Return:jing，截取字符串第4位到第7為的字符

substring("Nanjing", 4, 7)

#Return:jing，截取字符串第4位到末尾的子字符串，未設置last取默認值

substring("Nanjing", 4)

–舉例2：

#下標向量循環使用截取字符串

substring("Nanjing", 1:2, 1:6)

#未設置last截取字符串

substring("Nanjing", 1:6)

–舉例3：

#替換原字符串1-3的字符

add

substring(add, 1, 3)

3) strtrim函數

基本語法:

strtrim(x,width)

對字符串x從開頭截取指定width的子字符串，參數均可循環使用。對于中文字符，一個字符的長度為2，因此width也要設置為2倍寬度。

–舉例1：

#Return:Nan，從頭開始截取定寬字符

strtrim("Nanjing", 3)

–舉例2：

#Return:字符，中文字符寬度需設置為2倍

strtrim("字符操作函數",4)

2.??? 字符串替換

sub和gsub為字符串替換函數，通過正則表達式設置靈活的匹配規則，返回被替換后的字符串，兩者唯一的差別在于前者匹配第一次符合模式的字符串，后者匹配所有符合模式的字符串，也就是說在替換的時候前者只替換第一次符合的，后者可替換所有符合的。

1)??? sub和gsub函數

sub和gsub函數用于字符串替換，其中sub只替換第一次匹配的字符，而gsub會替換所有滿足條件的匹配。由于R語言操作都是傳值不傳址，所以替換操作只是替換了原字符向量的copy，如果完全替換還需要再通過賦值操作。

基本語法：

sub(pattern,replacement, x, ignore.case = FALSE, perl = FALSE,

fixed = FALSE, useBytes = FALSE)

gsub(pattern,replacement, x, ignore.case = FALSE, perl = FALSE,

fixed = FALSE, useBytes = FALSE)

replacement參數表示需要替換的內容。

–舉例1：

#以字符www替換第一次匹配的字符

sub("ca*t","www", c("cat", "pct", "cctdcat","caaaat", "ddd"))

#以字符www替換所有匹配的字符

gsub("ca*t","www", c("cat", "pct", "cctdcat", "caaaat","ddd"))

2)??? chartr函數

基本語法：

chartr(old, new,x)

把字符串x中的字符按照old到new進行替換，字符串old和new要求長度一致，且按順序匹配替換。

–舉例1：

#替換字符一一對應進行映射

chartr("Nan","Bei", "Nanjing")

–舉例2：

#替換過程同時生效，由于原字符不存在B，因此不會進行B->F轉換

chartr("NB","BF", "Nanjing")

3.??? 字符串拆分

基本語法：

strsplit(x,split, fixed = FALSE, perl = FALSE, useBytes = FALSE)

strsplit根據split拆分字符串x，并返回子字符串組成的長度與x相同的列表, 分隔符split包括正則表達式，當fixed= TRUE時，需要精確匹配，為FALSE(默認)，則使用正則表達式匹配， 除非使用反斜杠(\)轉義。perl用于判斷是否使用更強大的perl正則表達式，useBytes = TRUE 表示byte-by-byte按字節匹配， FALSE為character-by-character字符匹配(默認)。

–舉例1：

#以分隔符-分割字符串

strsplit("JiangSu-Nanjing-Gaoxin","-")

–舉例2：

#點好(.)為正則表達式表示任意字符,因此不能正確分割字符串

strsplit("JiangSu.Nanjing.Gaoxin",".")

#設置fixed為TRUE，精確匹配點好

strsplit("JiangSu.Nanjing.Gaoxin",".", fixed = TRUE)

#使用反斜杠(\)轉義

strsplit("JiangSu.Nanjing.Gaoxin","\\.")

#使用通配符[]，表示含有點號的字符

strsplit("a.b.c","[.]")

–舉例3：

#以下三種情況相同，把字符串分解為一個一個單個字符

strsplit("JiangSu-Nanjing-Gaoxin",NULL)

strsplit("JiangSu-Nanjing-Gaoxin","")

strsplit("JiangSu-Nanjing-Gaoxin",character(0))

–舉例4：

#\s表示空白字符(包括空格、制表符、換行符等)

strsplit("JiangSuNanjing Gaoxin", "\\s")

strsplit("JiangSu\nNanjing\nGaoxin","\\s")

–舉例5：

#使用分隔符”-”,對字符向量分解

person

strsplit(person,"-")

字符編碼即編碼字符集和實際存儲數值之間的轉換關系。字符集規定了某個文字對應的二進制數字存放方式(編碼)和某串二進制數值代表了哪個文字(解碼)的轉換關系。R語言提供的一些字符編碼函數。

1)??? Encoding函數

Encoding函數用于讀取和設置字符向量的編碼。R字符串可以使用包括?"latin1"?，?"UTF-8"?或?"bytes"的編碼格式。由于ASCII 字符串對各種編碼表示的形式相同，所以Encoding獲取的編碼方式為unknown。

–舉例1：

x

#字符編碼為unknown

Encoding(x)

#設置字符編碼為latin1

Encoding(x)

2)??? iconv函數

字符編碼轉換，轉換過程中并不會做太多的校驗，因此放源編碼不合法時，常常不能正確轉換，基本語法:

iconv(x, from ="", to = "", sub = NA, mark = TRUE, toRaw = FALSE)

from為源編碼；to為目標編碼；sub用于替換不能轉換的字節(默認為NA)，如果本身為字節類型，則使用16進制字節形式替換。mark邏輯值，指明返回的字符向量是否申明編碼類型，默認為TRUE即返回編碼類型；toRaw邏輯值，指明是返回字符向量還是字節向量。

–舉例1：

x

#設置字符編碼為latin1

Encoding(x)

#轉換latin1字符編碼為UTF-8

iconv(x, "latin1","UTF-8")

–舉例2：

x

Encoding(x)

#轉換為字節型輸出

iconv(x, "latin1","UTF-8", toRaw = T)

charToRaw(iconv(x,"latin1", "UTF-8"))

注意:

iconvlist() 可用于輸出不同環境支持的編碼類型

從當前語言環境選擇合適的編碼名稱。

localeToCharset(locale =Sys.getlocale("LC_CTYPE"))

相較于R語言基本的字符操作，stringr包提供了更加靈活易用的字符操作方式。

1.??? 統計匹配的字符數

基本語法：

str_count(string,pattern = "")

–舉例1：

x

#統計字符向量中每個字符串中字符R的個數

str_count(x,pattern = "R")

–舉例2：

#不能正確統計元字符的個數

str_count(c("a.","...", ".a.a"), ".")

#使用fixed函數

str_count(c("a.","...", ".a.a"), fixed("."))

#使用反斜杠轉義

str_count(c("a.","...", ".a.a"), "\\.")

#使用[.]同樣有效

str_count(c("a.","...", ".a.a"), "[.]")

–舉例3：

#使用空字符串返回每個字符串的字符個數，相當于nchar

x

str_count(x,pattern = "")

2.??? 字符長度統計

基本語法：

str_length(string)

–舉例1：

x

#統計每個字符串的字符個數，相當于nchar,不同的是NA不會計數依然返回NA

str_length(x)

3.??? 字符串轉換

基本語法：

str_to_upper(string,locale = "")

str_to_lower(string,locale = "")

str_to_title(string,locale = "")

–舉例1：

x

#轉換為全小寫，NA依然返回NA

str_to_lower(x)

#轉換為全大寫，NA依然返回NA

str_to_upper(x)

#轉換為首字符大寫，NA依然返回NA

str_to_title(x)

4.??? 字符串連接

基本語法：

str_c(..., sep ="", collapse = NULL)

參數sep表示連接的分隔符，默認為空字符，參數collapse作為合并成一個字符串時的分隔符。

–舉例1：

x

str_c(x,?y)

str_c(x, y, sep= ",")

–舉例2：

#以逗號連接為一個字符串

str_c("A",1:4, collapse = ",")

–舉例3：

#NA不參與連接，依然輸出NA

str_c(c("A","B", NA, "C"), 1:4)

5.??? 字符串匹配

1)??? str_match函數

基本語法：

str_match(string,pattern)

str_match_all(string,pattern)

–舉例1：

#返回實際匹配字符組成的字符矩陣，只包含第一個匹配的字符,不匹配值返回NA

str_match(c("pear,ear","cherry", "apple"), "e.r")

–舉例2：

#返回字符矩陣組成的list，包含所有匹配的字符，不匹配值返回空字符

str_match_all(c("pear,ear","cherry", "apple"), "e.r")

2)??? str_extract函數

基本語法：

str_extract(string,pattern)

str_extract_all(string,pattern, simplify = FALSE)

simplify默認值為FALSE，返回字符向量組成的列表，為TRUE則返回字符矩陣。

–舉例1：

#返回實際匹配字符組成的字符向量，只包含第一個匹配的字符,不匹配值返回NA

str_extract(c("pear,ear","cherry", "apple"), "e.r")

–舉例2：

#匹配所有滿足條件字符，不匹配值返回空字符

#simplify = FALSE(默認)，返回字符向量組成的list

str_extract_all(c("pear,ear","cherry", "apple"), "e.r")

#simplify= TRUE，返回字符向量組成的matrix

str_extract_all(c("pear,ear", "cherry","apple"), "e.r", simplify = TRUE)

3)??? str_detect函數

基本語法：

str_detect(string,pattern)

返回與string等長的邏輯向量，類似于grepl。

–舉例1：

fruit

#返回與string向量長度相同的邏輯矩陣，包含所有匹配的元素

str_detect(fruit,"a")

str_detect(fruit,"^a")

str_detect(fruit,"a$")

str_detect(fruit,"b")

str_detect(fruit,"[aeiou]")

1)??? str_subset函數

基本語法：

str_subset(string,pattern)

返回匹配的字符串值，類似于grep(pattern, x,value = TRUE)。

–舉例1：

fruit

#返回匹配的所有字符串值

#相當于fruit[str_detect(fruit,"[lr]")]

str_subset(fruit,"[lr]")

2)??? str_locate函數

基本語法：

str_locate(string,pattern

str_locate_all(string,pattern)

查找匹配的字符，返回數值矩陣，第一列為匹配字符的起始位置，第二列為終止位置。str_locate_all返回由數值矩陣組成的列表。

–舉例1：

#返回第一個匹配字符的位置矩陣，不匹配值和NA值返回NA

str_locate(c("pear,ear","cherry", "apple", NA), "e.r")

–舉例2：

#返回全部匹配字符位置矩陣組成的列表，不匹配值返回空，NA依然返回NA

str_locate_all(c("pear,ear","cherry", "apple", NA), "e.r")

6.??? 字符串復制

基本語法：

str_dup(string, times)

–舉例1：

#按位置復制字符串，NA不會復制

str_dup(c("pear,ear","cherry", "apple", NA), c(1:4))

7.??? 字符串補充

基本語法：

str_pad(string,width, side = c("left", "right", "both"), pad =" ")

string為字符串或字符串向量；width為字符串填充后的長度；side為填充方向，both兩邊填充，left左邊填充，right右邊填充；pad: 用于填充的字符，默認為空格。

–舉例1：

#兩邊填充字符*直到寬度為10

str_pad(c("pear,ear","cherry", "apple", NA), 10, "both", pad ="*")

8.??? 字符串去空格

基本語法：

str_trim(string, side = c("both","left", "right"))

去除包括空格，\t和\n等字符。

–舉例1：

#刪除字符串左邊的空格

str_trim("?? \t\npear \t \n ", "left")

–舉例2：

#刪除字符串右邊的空格

str_trim("?? \t\npear \t \n ", "right")

–舉例3：

#刪除字符串兩邊的空格，不設置side默認為both

str_trim("?? \t\npear \t \n ", "both")

9.??? 字符串截取/替換/拆分

1)??? str_sub函數

基本語法：

str_sub(string, start = 1L,end = -1L)

str_sub(string, start = 1L,end = -1L)

對字符串string截取從start到end的子字符串。

–舉例1：

#Return:jing，截取字符串第4位到第7為的字符

str_sub("Nanjing", 4, 7)

#Return:jing，截取字符串第4位到第10為的字符,stop超出字符長度，

#只取值到字符末尾

str_sub("Nanjing", 4, 10)

#Return:空字符，start超出字符串長度

str_sub("Nanjing", 8, 10)

–舉例2：

#截取字符向量，對于位置向量長度不足會循環使用

#位置向量為1：4, 2:5, 3:4, 1:5，兩個位置向量都循環取值

str_sub(rep("abcdef", 4), 1:3, 4:5)

–舉例3：

#end可以設置為負值

str_sub("Nanjing", 3, -2)

–舉例4：

#替換原字符串1-3的字符

add

str_sub(add, 1, 3)

2)??? word函數

基本語法:

word(string,start = 1L, end = start, sep = fixed(" "))

用于從語句中提取單詞(字符串)。string為字符串或字符串向量；start為數值向量給出提取的開始位置；end為數值向量給出提取的結束位置；sep為單詞間分隔符。

–舉例1：

fruit

#默認以空格為分隔符，取第一個位置的字符

word(fruit, 1)

#默認以空格為分隔符，取第二個位置的字符

word(fruit, 2)

word(fruit, -1)

–舉例1：

fruit

#以點好.為分隔符，取第一個位置的字符

word(fruit, 1,sep = fixed("."))

3)??? str_replace函數

基本語法：

str_replace(string, pattern,replacement)

str_replace_all(string,pattern, replacement)

str_replace_na(string,replacement = "NA")

找到匹配的字符，并用給定的字符串進行替換。

–舉例1：

fruit

#替換字符串中第一次出現的a或p

str_replace(fruit, "[ap]", "*")

#替換字符串中所有的a或p

str_replace_all(fruit, "[ap]", "*")

–舉例2：

#替換NA為NA字符串

str_replace_na(c(NA, "NA", "apple"))

#替換NA為字符*

str_replace_na(c(NA, "NA", "apple"), "*")

4)??? str_split函數

基本語法：

str_split(string, pattern, n= Inf)

str_split_fixed(string,pattern, n)

對字符串進行拆分，n為分割的字符串個數。

–舉例1：

#使用反斜杠(\)轉義

str_split("JiangSu.Nanjing.Gaoxin","\\.")

#分解為兩個字符串

str_split("JiangSu.Nanjing.Gaoxin","\\.", 2)

#使用通配符[]，表示含有點號的字符

str_split("a.b.c","[.]")

#設置fixed為TRUE，精確匹配點好

str_split_fixed("JiangSu.Nanjing.Gaoxin","\\.", 3)

–舉例3：

#把字符串分解為一個一個單個字符，不支持NULL以及character(0)

str_split("JiangSu-Nanjing-Gaoxin","")

–舉例4：

#使用分隔符”-”,對字符向量分解

person

#返回list對象

str_split(person,"-")

10.? 字符串編碼轉換

基本語法：

str_conv(string, encoding)

–舉例1：

x

#設置字符編碼為latin1

str_conv(x,"latin1")

11.? 字符串值排序

基本語法：

str_order(x, decreasing =FALSE, na_last = TRUE, locale = "", ...)

str_sort(x, decreasing =FALSE, na_last = TRUE, locale = "", ...)

decreasing邏輯值，指定排序方向，默認為升序；na_last邏輯值，NA值的存放位置， TRUE放到最后，FALSE放到最前，NA表示過濾NA值排序；locale設置按那種語言習慣排序。

–舉例1：

fruit

#按英文排序

str_sort(fruit,locale = "en")

#返回排序后的下標

str_order(fruit,locale = "en")

#過濾NA后排序

str_sort(fruit,locale = "en", na_last = NA)

12.? 字符串輸出

基本語法：

str_wrap(string, width = 80,indent = 0, exdent = 0)

string為字符串或字符串向量；width設置行寬；indent設置段落首行的縮進值；exdent設置段落非首行的縮進值。類似于strwrap函數。

–舉例1：

thanks_path

thanks

thanks

#默認輸出

cat(str_wrap(thanks),"\n")

#設置寬度為40

cat(str_wrap(thanks,width = 40), "\n")

#設置寬度為60，首行縮進2個字符

cat(str_wrap(thanks,width = 60, indent = 2), "\n")

#設置寬度為60，非首行縮進2個字符

cat(str_wrap(thanks,width = 60, exdent = 2), "\n")

#設置寬度為0，每個單詞為一行輸出

cat(str_wrap(thanks,width = 0, exdent = 2), "\n")

總結

以上是生活随笔為你收集整理的r语言regexpr函数_R语言学习笔记-文本挖掘之字符处理（1）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。