R语言字符串操作

文本数据存储在字符向量中，字符向量的每个元素都是字符串，而非单独的字符。在R中，可以使用双引号，或单引号表示字符，函数nchar用于获得字符串中的字符数量：

> s='read'> nchar(s)[1] 4

R语言使用“\”，把特定的字符转义为特殊字符，例如 “\t”是制表符，换行符是“\n”，或者 “\r\n”，通常情况下，\r是回车符，把光标移动到当前行的开始，并覆盖当前行已经存在的数据，而\n是换行，把光标移动到一下行；

常用的转义字符是：使用两个“\\”，打印“\”；在字符串中包含双引号或单引号，使用“\"”，或“\'”；如果在双引号中使用单引号，或者在单引号中使用双引号，那么不需要对引号进行转义，R会打印引号。

一，拼接字符

函数paste用于把不同的字符向量组合起来，传递的参数是字符向量，返回的数据类型是字符向量：

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

paste函数按照向量元素的位置顺序，把向量中的元素拼接在一起，中间以sep参数（默认值是空格）分割，collapse参数用于把结果向量（字符向量）的各个元素折叠成一个单独的字符串，使用collapse指定的字符把结果向量的各个元素拼接在一起：

> paste(c('red','yellow'),'lorry')[1] "red lorry"    "yellow lorry"> paste(c('red','yellow'),c('lorry','car'))[1] "red lorry"  "yellow car"> paste(c('red','yellow'),c('lorry','car'),collapse=',')[1] "red lorry,yellow car"

二，格式化数字

format函数用于把数字（numeric）类型转换成字符类型，formatC函数使用C语言风格来指定输出的格式，而更通用的C风格的格式化函数是sprintf，第一个参数包含字符串或数字变量的占位符，其他参数逐个对应这些占位符，sprintf函数的占位符：

• %s：代替字符串

• %f：浮点型数组

• %d：整数

例如，format函数和sprintf函数对数字格式化输出的结果是：

> format(1)[1] "1"> format(1.3)[1] "1.3"> sprintf('%f, %d',1.3,1)[1] "1.300000, 1"

三，更改字符的大小写

使用toupper和tolower函数，能把字符串中的字符全部转换为大写或小写：

> toupper('Vic')[1] "VIC"> tolower('Vic')[1] "vic"

四，截取字符串

substr或substring函数用于从字符串中截取子串，字符串的位置从1开始，

substr(x, start, stop)substring(text, first, last = 1000000L)

1，当start和stop是正整数时，substr和substring函数的行为是相同的：

> substr('R is free software',1,6)[1] "R is f"> substring('R is free software',1,6)[1] "R is f"

2，当start和stop是向量时，substr和substring函数的行为是不相同的：

> substring('R is free software',1:4,6:9)[1] "R is f" " is fr" "is fre" "s free"> substr('R is free software',1:4,6:9)[1] "R is f"

五，分割字符串

函数strsplit用于按照指定的字符把长的字符串分割成断的子字符串，

strsplit(x, split, fixed = FALSE)

参数split是用于分割字符串，当参数fixed为TRUE时，表示字符串完全匹配split分隔符；当fixed参数为FALSE时，表示参数split是包含正则表达式的字符，使用正则匹配。函数返回的结果是字符列表，一个列表项对应一个字符串。

> strsplit('ab,cd,ef',',')[[1]][1] "ab" "cd" "ef"

六，stringr包

stringr包对字符串操作函数提供了一致的包装，字符串操作，基本上使用该包提供的函数就够了，在使用之前，首先引用stringr包：

library(stringr)

str_length 函数计算字符串的长度：

> str_length("vic")[1] 3

str_sub函数用于截取子字符串：

> x <- c("abcdef", "ghifjk")> str_sub(x, 3, 3)> [1] "c" "i"

字符的序号，字符排序：

x <- c("y", "i", "k")str_order(x)#> [1] 2 3 1str_sort(x)#> [1] "i" "k" "y"

str_detect函数按照指定的模式查找字符串，返回逻辑值；str_subset返回匹配模式的字符串：

str_detect() detects the presence or absence of a pattern and returns a logical vector (similar to grepl()). str_subset() returns the elements of a character vector that match a regular expression (similar to grep() with value = TRUE)`.

str_detect(string, pattern)

str_split函数按照指定的模式分割字符串：

str_split(string, pattern, n = Inf, simplify = FALSE)

str_count函数用于统计字符串中的指定字符的数量：

str_count(string, pattern = "")

更多函数的详细信息，请阅读stringr包的官方文档：《Introduction to stringr》。