文本分析（一）：字符串处理

（1）字符串长度与转化

#提取字符串长度
nchar(x)       #x是所要提取长度的字符串、向量、数据框某个属性

#字符串转化
tolower(x)     #将x转化为小写；
toupper(x)     #将x转化为大写；
chartr(old,new,x) #将x中的old字符替换为new字符

（2）字符串连接

函数paste()，基本格式为：
paste(…, sep=" ", collapse=NULL)
…可以为1个字符，也可以为多个字符；
seq表示分隔符（默认为空格）；
collapse若不指定值，则返回值是连接后的字符型向量，
若指定值，则连接后的字符型向量会再用collapse值连接成一个字符串。
就是多个字符串变成一个，collapse=“,”类似
（短向量会被重复使用）

（3）字符串拆分

函数strsplit()，基本格式为：
strsplit(x, split, fixed=FALSE, useBytes=FALSE, ...)
其中，x为字符串向量，每个元素将被分别拆分，拆分结果为一个列表；
split为指定拆分位置的子串或正则表达式；
fixed=FALSE(默认)，则split作为正则表达式（多用）
fixed=TRUE，则split作为精确匹配的文本字符串
useBytes设置是否逐个字节进行匹配，默认为FALSE，即按字符而不是字节进行匹配。（多用）

（4）字符串替换

函数sub()和gsub()，基本格式为：
sub(pattern, replacement, x, ignore.case=FALSE, fixed=FALSE, ...)
gsub(pattern, replacement, x, ignore.case=FALSE, fixed=FALSE, ...)
用来在x中搜索pattern，并用replacement将其替换。
两个函数的区别是：
sub()只对第一个满足条件的匹配作替换，若x是向量，则对每个元素第一个满足条件的匹配作替换；
gsub()将把所有满足条件的匹配都做替换。

（5）字符串提取

substring(x, start, stop) <- value
x为字符串或字符串向量（对每个元素都分别操作）；
start为起始位置；
stop为结束位置；
value为字符向量，若没有“<-value”，函数只提取相应位置内的子串
若有“<-value”，则用它的值做相应替换。

（6）补充

函数strtrim(x, width)将字符串x“修剪”为长度为width.
若x长度小于width，则最少也会长度-1

函数match(x, table)返回x在table中第一次匹配的位置。