R 语言字符串操作stringr包介绍

R----stringr包介绍学习

 1. stringr介绍

stringr包被定义为一致的、简单易用的字符串工具集。所有的函数和参数定义都具有一致性，比如，用相同的方法进行NA处理和0长度的向量处理。

字符串处理虽然不是R语言中最主要的功能，却也是必不可少的，数据清洗、可视化等的操作都会用到。对于R语言本身的base包提供的字符串基础函数，随着时间的积累，已经变得很多地方不一致，不规范的命名，不标准的参数定义，很难看一眼就上手使用。字符串处理在其他语言中都是非常方便的事情，R语言在这方面确实落后了。stringr包就是为了解决这个问题，让字符串处理变得简单易用，提供友好的字符串操作接口。

stringr的项目主页：https://cran.r-project.org/web/packages/stringr/index.html

2. stringr的API介绍

stringr包1.0.0版本，一共提供了30个函数，方便我们对字符串处理。常用的字符串的处理以str_开头来命名，方便更直观理解函数的定义。我们可以根据使用习惯对函数进行分类：

字符串拼接函数

• str_c: 字符串拼接。
• str_join: 字符串拼接，同str_c。
• str_trim: 去掉字符串的空格和TAB(\t)
• str_pad: 补充字符串的长度
• str_dup: 复制字符串
• str_wrap: 控制字符串输出格式
• str_sub: 截取字符串
• str_sub<- 截取字符串，并赋值，同str_sub

字符串计算函数

• str_count: 字符串计数
• str_length: 字符串长度
• str_sort: 字符串值排序
• str_order: 字符串索引排序，规则同str_sort

字符串匹配函数

• str_split: 字符串分割
• str_split_fixed: 字符串分割，同str_split
• str_subset: 返回匹配的字符串
• word: 从文本中提取单词
• str_detect: 检查匹配字符串的字符
• str_match: 从字符串中提取匹配组。
• str_match_all: 从字符串中提取匹配组，同str_match
• str_replace: 字符串替换
• str_replace_all: 字符串替换，同str_replace
• str_replace_na:把NA替换为NA字符串
• str_locate: 找到匹配的字符串的位置。
• str_locate_all: 找到匹配的字符串的位置,同str_locate
• str_extract: 从字符串中提取匹配字符
• str_extract_all: 从字符串中提取匹配字符，同str_extract

字符串变换函数

• str_conv: 字符编码转换
• str_to_upper: 字符串转成大写
• str_to_lower: 字符串转成小写,规则同str_to_upper
• str_to_title: 字符串转成首字母大写,规则同str_to_upper

参数控制函数，仅用于构造功能的参数，不能独立使用。

• boundary: 定义使用边界
• coll: 定义字符串标准排序规则。
• fixed: 定义用于匹配的字符，包括正则表达式中的转义符
• regex: 定义正则表达式

stringr包中的重要函数

函数	功能说明	R Base中对应函数
使用正则表达式的函数
str_extract()	提取首个匹配模式的字符	regmatches()
str_extract_all()	提取所有匹配模式的字符	regmatches()
str_locate()	返回首个匹配模式的字符的位置	regexpr()
str_locate_all()	返回所有匹配模式的字符的位置	gregexpr()
str_replace()	替换首个匹配模式	sub()
str_replace_all()	替换所有匹配模式	gsub()
str_split()	按照模式分割字符串	strsplit()
str_split_fixed()	按照模式将字符串分割成指定个数	-
str_detect()	检测字符是否存在某些指定模式	grepl()
str_count()	返回指定模式出现的次数	-
其他重要函数
str_sub()	提取指定位置的字符	regmatches()
str_dup()	丢弃指定位置的字符	-
str_length()	返回字符的长度	nchar()
str_pad()	填补字符	-
str_trim()	丢弃填充，如去掉字符前后的空格	-
str_c()	连接字符	paste(),paste0()

3.1 字符串拼接函数

3.1.1 str_c，字符串拼接操作，与str_join完全相同，与paste()行为不完全一致。

函数定义：
str_c(..., sep = "", collapse = NULL)
str_join(..., sep = "", collapse = NULL)
参数列表：
…: 多参数的输入
sep: 把多个字符串拼接为一个大的字符串，用于字符串的分割符。
collapse: 把多个向量参数拼接为一个大的字符串，用于字符串的分割符。

str_c(c('a','a1'),c('b','b1'),sep='-')
str_c(letters[1:5], " is for", "...")
str_c('a','b',sep='-')#sep可设置连接符
str_c('a','b',collapse = "-") # collapse参数，对多个字符串无效
str_c(c('a','a1'),c('b','b1'),collapse='-')
str_c(head(letters), collapse = "") #把多个向量参数拼接为一个大的字符串
str_c(head(letters), collapse = ", ")
str_c(letters[-26], " comes before ", letters[-1])
str_c(letters)
############
#对比str_c()函数和paste()函数之间的不同点。
############
str_c('a','b') #把多个字符串拼接为一个大的字符串。
paste('a','b') # 多字符串拼接，默认的sep参数行为不一致
# 向量拼接字符串，collapse参数的行为一致
str_c(letters, collapse = "") #collapse 将一个向量的所有元素连接成一个字符串，collapse设置元素间的连接符
paste(letters, collapse = "")
#拼接有NA值的字符串向量，对NA的处理行为不一致
str_c(c("a", NA, "b"), "-d") #若为空，则无法连接
paste(c("a", NA, "b"), "-d") #即使空，也可连接
str_c(str_replace_na(c("a", NA, "b")), "-d") #即使空，也可连接

3.1.2 str_trim:去掉字符串的空格和TAB(\t)

函数定义：str_trim(string, side = c("both", "le