在文本或非結構資料進行中往往需要正規表達式的強大功能，需要字元串的處理，下文就講講這幾天梳理的stringr包中的函數。該包仍然由偉大的Hadley做貢獻。
word()，從句子中提取詞組（适用于英語環境下的使用）
word(string, start = 1L, end = start, sep = fixed(" "))
string：需要提取的字元串對象
start：整數向量，指定從第幾個單詞開始提取
end：整數向量，指定取到第幾個單詞
sep：指定單詞之間的分隔符，預設為空格
string <- 'I like using R'
word(string, 1, -1) #取出所有的句子
word(string, 1) #提取第一個單詞
word(string, -1) #提取最後一個單詞
word(string, 1, 1:4) #提取最後一個單詞
str_wrap()，将段落劃分為華麗的格式，可設定每行的寬度等。
str_wrap(string, width = 80, indent = 0, exdent = 0)
string：需要被劃分的字元串
width：設定每行的寬度
indent：設定每個段落第一行的縮進格式，預設沒有縮進
exdent：設定每個段落第一行之後所有行的縮進格式，預設沒有縮進
string <- str_c(readLines(con = file.choose(), encoding = 'UTF-8'),collapse = '\n')
str_wrap(string) #預設以80個位元組作為行寬
cat(str_wrap(string), sep = '\n') #以換行符連接配接每個固定長度的句子
cat(str_wrap(string, indent = 4)) #段落第一行空4個字元
str_trim()，剔除字元串多餘的首末空格
str_trim(string, side = c("both", "left", "right"))
string：需要處理的字元串
side：指定剔除空格的位置，both表示剔除首尾兩端空格，left表示剔除字元串首部空格，right表示剔除字元串末尾空格
string <- ' Why is me? I have worded hardly! '
str_trim(string, side = 'left')
str_trim(string, side = 'right')
str_trim(string, side = 'both')
str_to_upper()，str_to_lower()，str_to_title()，字元串轉換
str_to_upper(string, locale = "")
将字元串統統轉換為大寫
str_to_lower(string, locale = "")
将字元串統統轉換為小寫
str_to_title(string, locale = "")
将字元串換為标題格式
string <- 'Simple, consistent wrappers for common string '
str_to_upper(string)
str_to_lower(string)
str_to_title(string)
str_subset()，根據正規表達式比對字元串中的值
str_subset(string, pattern)
string，需要處理的字元向量
pattern，需要比對的字元模式，預設模式可以是正規表達式
該函數與word()函數的差別在于前者提取字元串的子串，後者提取的是單詞,而且str_sub也可以其替換的作用。
string <- "My name is LiuShunxiang, I'm 28."
str_sub(string, 1, 1)
word(string, 1, 1)
str_sub(string, 1, 4)
word(string, 1, 4)
str_sub(string, -1)
word(string, -1)
str_sub(string, -3,-2) <- 26
string
str_split()，字元串分割函數
str_split(string, pattern, n = Inf)
str_split_fixed(string, pattern, n)
string：被分割的字元串向量
pattern：分割符，可以是正規表達式也可以是固定的字元
n：指定傳回分割的個數，需要注意的是，其使用轉移法分割字元串
str_split與str_split_fixed的差別在于前者傳回清單格式，後者傳回矩陣格式
string <- 'myxyznamexyzisxyzliuxyzshunxyzxiang!'
str_split(string, 'xyz')
str_split(string, 'xyz', n = 5) #最後一組就不會被分割
str_split_fixed(string, 'xyz', 6)
str_order()，對字元向量排序
str_order(x, decreasing = FALSE, na_last = TRUE, locale = "", ...)
str_sort(x, decreasing = FALSE, na_last = TRUE, locale = "", ...)
x：需要排序的字元向量
decreasing：排序方式，預設為升序
na_last：是否将缺失值置于末尾，預設為TRUE
str_order和str_sort的差別在于前者傳回排序後的索引（下标），後者傳回排序後的實際值
str_order(letters, locale = "en")
str_sort(letters, locale = "en")
str_replace()，字元串替換函數
str_replace(string, pattern, replacement)
str_replace_all(string, pattern, replacement)
str_replace_na(string, replacement = "NA")
string：需要處理的字元向量
pattern：指定比對模式，
replacement：指定新的字元串用于替換比對的模式
str_replace與str_replace_all的差別在于前者隻替換一次比對的對象，而後者可以替換所有比對的對象
string <-'1989.07.17'
str_replace(string, '\\.', '-')
str_replace_all(string, '\\.', '-')
str_pad()，字元填充函數
str_pad(string, width, side = c("left", "right", "both"), pad = " ")
string：需要被填充的字元串
width：指定被填充後的字元長度
side：指定填充的方向，預設向左填充
pad：指定填充的字元，預設用空格填充
string <- 'LiuShunxiang'
str_pad(string,10) #指定的長度少于string長度時，将隻傳回原string
str_pad(string,20)
str_pad(string,20,side = 'both',pad = '*')
str_match(),str_match_all()，提取比對的字元串
str_match(string, pattern)
str_match_all(string, pattern)
string：需要處理的字元串
pattern：指定比對的模式，一般指定正規表達式
str_match()和str_match_all()差別在于前者隻提取一次滿足條件的比對對象，而後者可以提取所有比對對象
string <- c('139-1234-5678','133,1267,4589','134 6543 7890','178 2345 1111 or 133 7890 1234')
str_match(string,'[1][3-9]{2}[- ,][0-9]{4}[- ,][0-9]{4}')
str_match_all(string,'[1][3-9]{2}[- ,][0-9]{4}[- ,][0-9]{4}')
str_extract(),str_extract_all，提取比對的字元串，功能與str_match(),str_match_all()函數類似
str_extract(string, pattern)
str_extract_all(string, pattern, simplify = FALSE)
string：需要處理的字元串
pattern：指定比對的模式，一般指定正規表達式
simplify：預設傳回值為清單，如果指定為TRUE，則傳回矩陣格式，這樣有助于将結果寫入二維表中
string <- c('139-1234-5678','133,1267,4589','134 6543 7890','178 2345 1111 or 133 7890 1234')
str_extract(string,'[1][3-9]{2}[- ,][0-9]{4}[- ,][0-9]{4}')
str_extract_all(string,'[1][3-9]{2}[- ,][0-9]{4}[- ,][0-9]{4}')
str_extract_all(string,'[1][3-9]{2}[- ,][0-9]{4}[- ,][0-9]{4}',simplify=TRUE)
str_locate(),str_locate_all()，字元定位函數，傳回比對對象的首末位置
str_locate(string, pattern)
str_locate_all(string, pattern)
string：需要處理的字元串
pattern：需要比對的對象，一般為正規表達式
str_locate()和str_locate_all()的差別在于前者隻比對首次，而後者可以比對所有可能的值
string <- c('liushunxiang1989','zhangsan1234')
str_locate(string,'s')
str_locate(string,'n')
str_locate_all(string,'n')
一般将定位函數與str_sub函數搭配使用。
str_length()，字元長度函數，該函數類似于nchar()函數，但前者将NA傳回為NA，而nchar則傳回2
str_length(string)
string：需要計算長度的字元串對象
string <- c('LiuShunxiang','1989-07-17',NA)
str_length(string)
nchar(string)
str_c()，将多個字元串連接配接為單個字元串
str_c(..., sep = "", collapse = NULL)
...：一個或多個字元向量
sep：字元串之間的連接配接符，功能類似于paste()函數
collapse：如果是向量之間的連接配接，collapse的作用與sep一樣，隻不過此時sep無效
str_c(c(1989,07,17), sep = '-') #使用sep
str_c(c(1989,07,17), collapse = '-') #使用collapse
str_c('x',c(1:10),':')
str_dup()，重複字元串
str_dup(string, times)
string：需要重複處理的字元串
times：指定重複的次數
fruit <- c("apple", "pear", "banana")
str_dup(fruit, 2)
str_dup(fruit, 1:3)
str_c("ba", str_dup("na", 0:5))
str_detect()，檢測函數，用于檢測字元串中是否存在某種比對模式
str_detect(string, pattern)
string：檢測的字元串對象
pattern：檢測模式，可以是正規表達式
string <- c('LiuShunxiang','Zhangsan','Philips1990')
str_detect(string,'^L')
str_detect(string,'\\d')
str_detect(string,'[a-zA-Z0-9]')
str_count()，計數能夠比對上的字元個數
str_count(string, pattern = "")
string：需要處理的字元串對象
pattern：指定比對的模式，預設為""，計算每個字元串的長度
string <- c('LiuShunxiang','Zhangsan','Philips1990')
str_count(string,'i')
str_count(string,'\\d')
str_count(string)
下期将給大家介紹資料挖掘包caret。
每天進步一點點2015
學習與分享，取長補短，關注小号！
長按識别二維碼 馬上關注