用stringr包处理字符串

《Machine Learning for Hackers》一书的合著者John Myles White近日接受了一个访谈。在访谈中他提到了自己在R中常用的几个扩展包，其中包括用ggplot2包来绘图，用glmnet包做回归，用tm包进行文本挖掘，用plyr、reshape、lubridate和stringr包进行数据预处理。这些包本博客大部分都有所介绍，今天就来看看这个遗漏的stringr包。

从名字就看得出，stringr包是用来处理字符串的。R语言本身的字符处理能力已经不错了，但使用起来并不是很方便。stringr包将原本的字符处理函数进行了打包，统一了函数名和参数。在增强功能基础上，还能处理向量化数据并兼容非字符数据。stringr包号称能让处理字符的时间减少95%。下面将其中的一些主要函数罗列一下。

library (stringr)

# 合并字符串

fruit <- c ( "apple" , "banana" , "pear" , "pinapple" )

res <- str_c (1:4,fruit,sep= ' ' ,collapse= ' ' )

str_c ( 'I want to buy ' ,res,collapse= ' ' )

# 计算字符串长度

str_length ( c ( "i" , "like" , "programming R" ,123,res))

# 按位置取子字符串

str_sub (fruit,1,3)

# 子字符串重新赋值

capital <- toupper ( str_sub (fruit,1,1))

str_sub (fruit, rep (1,4), rep (1,4))<- capital

# 重复字符串

str_dup (fruit, c (1,2,3,4))

# 加空白

str_pad (fruit,10, "both" )

# 去除空白

str_trim (fruit)

# 根据正则表达式检验是否匹配

str_detect (fruit, "a$" )

str_detect (fruit, "[aeiou]" )

# 找出匹配的字符串位置

str_locate (fruit, "a" )

# 提取匹配的部分

str_extract (fruit, "[a-z]+" )

str_match (fruit, "[a-z]+" )

# 替换匹配的部分

str_replace (fruit, "[aeiou]" , "-" )

# 分割

str_split (res, " " )