stringr字符處理 - 簡書 (jianshu.com)
dplyr表格操作 - 簡書 (jianshu.com)

在正式學(xué)習(xí)stringr、dplyr為代表的tidyrverse核心系列包時，有必要先了解下正則表達(dá)式以及管道符的相關(guān)知識。

正則表達(dá)式

• . ： 可以匹配除換行符外的任意字符
• ? ：表示前面的模式（無特殊情況即單個字符）重復(fù)0 次或 1 次。
  + ：1 次或多次。
  * ：0 次或多次。
  {n} ：指定匹配 n 次。
  {n,} ：指定匹配 n 次或更多次。
  {,m} ：指定最多匹配 m 次。
  {n, m} ：指定匹配 n 到 m 次
• ^ 從字符串開頭進(jìn)行匹配
  $ 從字符串末尾進(jìn)行匹配。
• \d：匹配數(shù)字
  \s：可以匹配任意空白符
  \b：匹配單詞間的邊界

創(chuàng)建包含\(例如\d、\s...)的正則表達(dá)式，需要在字符串中對\進(jìn)行轉(zhuǎn)移，即\\d、\\s。其實只要記住\\本質(zhì)上代表\即可。

匹配特殊字符示例

如果只是想匹配字符串本身的含義，fixed(正則表達(dá)式)可將正則表達(dá)式相關(guān)字符當(dāng)作純文本字符看待。

• [abc]：可以匹配a、b，或c
  [^abc]：可以匹配除a、b，c外的任意字符
  [a-z] ： 匹配任意小寫字母；[A-Z]：任意大寫字母；[A-z]：任意字母
  |表示或，常搭配小括號，例如gr(e|a)y表示匹配grey或者gray

• [:digit:]：匹配數(shù)字
  [:alpha:]：匹配字母
  [:lower:]：匹配小寫字母
  [:upper:]：匹配大寫字母
  [:alnum:]：匹配字母/數(shù)字
  [:punct:]：匹配標(biāo)點(diǎn)符號
  [:blank:]：匹配空格、tab
  [:space:]：匹配空格、tab、換行符

• 最后的話，()小括號可以用于表示分組，\1表示回溯引用第一個分組，具體用法可參考下面的str_match()函數(shù)的介紹。

fruit = c("apple","banana","pear","pineapple")
#查找具有ABAB模式的字符串
str_view(fruit,"(.)(.)\\1\\2", match = T)

注意：默認(rèn)的正則匹配方式都是“貪婪的”，即正則表達(dá)式會在符合規(guī)則的前提下匹配盡量長的字符串。通過在正則表達(dá)式后面添加一個 ? ，你可以將匹配方式更改為“懶惰的”，即匹配盡量短的字符串。

管道符%>%

• magrittr包提供的管道符語法對于R語言的代碼處理過程大大提高了效率，可通過下述方式查看內(nèi)置官方文檔；

?magrittr::`%>%

• 在加載dplyr包時會自動加載magrittr包，從而便捷的使用管道符操作；

• 管道符的含義理解，如下圖所示；

  
  
• 相關(guān)筆記可參考 https://zhuanlan.zhihu.com/p/29845549

stringr字符處理

1、字符串向量特征匹配
2、字符串特征匹配（取子集）
3、字符串的替換修改
4、字符串格式相關(guān)
5、字符串拼接與拆分

library(stringr)

https://github.com/rstudio/cheatsheets/blob/master/strings.pdf

1、字符串向量特征匹配

對于一個字符串向量，判斷其中哪些字符串是否具有給定的模式特征

• 1.1 str_detect()：判斷每個字符串是否具有匹配模式，返回等長的邏輯值向量

fruit <- c("apple", "banana", "pear", "pinapple")
str_detect(fruit, "a") #包含a的字符串
str_detect(fruit, "a", negate = T) #不包含a的字符串
str_detect(fruit, "^a") #以a開頭的字符串
str_detect(fruit, "[aeiou]") #含有aeiou其中任意一個字符的字符串

• 1.2 str_starts()/str_ends()：判斷每個字符串的開頭/結(jié)尾是否具有匹配模式，同樣返回等長的邏輯值向量

fruit <- c("apple", "banana", "pear", "pinapple")
str_starts(fruit, "p")
str_ends(fruit, "e")

• 1.3 str_which()/str_subset()：判斷向量里的哪個字符串具有匹配模式；前者返回數(shù)字序號，后者返回具體的字符串

# str_which == which(str_detect(x, pattern))
# str_detect == x[str_detect(x, pattern)]
fruit <- c("apple", "banana", "pear", "pinapple")
str_subset(fruit, "a")
str_which(fruit, "a")

• 1.4 str_locate() : 返回匹配的模式在字符串的起始位置

fruit <- c("apple", "banana", "pear", "pineapple")
str_locate(fruit, "a")
str_locate_all(fruit, "a")

• 1.5 str_count()：返回每個字符串內(nèi)有多少個符合匹配模式組成

fruit <- c("apple", "banana", "pear", "pineapple")
str_count(fruit, "a")
str_count(fruit, c("a", "b", "p", "p")) #向量化操作

2、字符串特征匹配（取子集）

• 2.1 str_sub()：指定字符串的起始位置提取

hw <- "Hadley Wickham"
str_sub(hw, 1, 6)
str_sub(hw, -3, -1)

• 2.2 str_extract() : 提取字符串里的特征模式

shopping_list <- c("apples x4", "bag of flour", "bag of sugar", "milk x2")
str_extract(shopping_list, "\\d")  #提取數(shù)字
str_extract(shopping_list, "[a-z]+") #提取1至多個小寫字母
str_extract(shopping_list, "[a-z]{1,4}") #貪婪匹配
str_extract(shopping_list, "[a-z]{1,4}?") #懶惰匹配
str_extract(shopping_list, "\\b[a-z]{1,4}\\b") #提取特征模式的單詞
str_extract(shopping_list, fixed("\\b[a-z]{1,4}\\b")) #fixed可將正則表達(dá)式視為普通字符串

#str_extract 默認(rèn)只提取字符串里第一個符合的模式
#str_extract_all可以提取全部的匹配
str_extract_all(shopping_list, "[a-z]+")
str_extract_all(shopping_list, "\\b[a-z]+\\b")

• 2.3 str_match() : 可分組提取字符串里的特征模式，更加靈活。
  搭配括號使用，可提取分組的內(nèi)容。該函數(shù)返回一個矩陣：第一列是完整匹配，第二列及以后是每個分組(括號)的匹配。適用于啟發(fā)式的匹配提取，例如前綴、后綴等

str_match("bacad","b(a)")  #提取前一個字符為b的a
str_match("bacad","[^b](a)") ##提取前一個字符不為b的a
#回溯引用
str_match("banana","(a)(.)(\\1\\2)") #提取aXaX的模式文本，其中X可以是任何文本

3、字符串的替換修改

• str_replace()

?str_replace #默認(rèn)只替換第一個模式的文本
?str_replace_all #全部
fruits = c("apple","banana","pear")
str_replace(fruits, "[aeiou]", "-")
#回溯應(yīng)用，下面表示將a替換為aa，e替換為ee
str_replace(fruits, "([aeiou])", "\\1\\1")

#向量化一對一替換
str_replace(fruits, "[aeiou]", c("1", "2", "3"))
str_replace_all(fruits, "[aeiou]", c("1", "2", "3"))
str_replace(fruits, c("p", "e", "a"), "-") 
str_replace_all(fruits, c("p", "e", "a"), "-") 

#  多種特定模式的替換，僅限于str_replace_all
fruits %>%
  str_c(collapse = "---") %>%
  str_replace_all(c("one" = "1", "two" = "2", "three" = "3"))

4、字符串格式相關(guān)

• 4.1 str_length()：返回每個字符串的長度

str_length(c("i", "like", "programming", NA))

• 4.2 str_pad()：將字符串填補(bǔ)至指定長度，默認(rèn)用空格填充

rbind(
  str_pad("hadley", 30, "left"),
  str_pad("hadley", 30, "right"),
  str_pad("hadley", 30, "both")
)
str_pad("a", 10, pad = c("-", "_", " "))

• 4.3 str_trunc()：限制字符串的長度，用省略號代替

x <- "This string is moderately long"
rbind(
  str_trunc(x, 20, "right"),
  str_trunc(x, 20, "left"),
  str_trunc(x, 20, "center")
)

• 4.4 str_trim()：去除字符串兩邊的空格（包括tab、換行符）；
  str_squish()：去除字符串兩邊的空格（tab、換行符）,以及替換所有兩個以上的空格為一個空格

str_trim("  String with trailing and leading white space\t")
str_trim("\n\nString with trailing and leading white space\n\n")
str_squish("  String with trailing,  middle, and leading white space\t")

• 4.5 str_wrap():將太長的英語句子限制為每行僅包含指定長度字符的若干行文本(本質(zhì)上即為自動插入換行符)；首要前提需要為包含空格的字符串

sentences[1]
cat(str_wrap(sentences[1],width = 10))

• 4.6 str_glue()：使用占位符格式化輸出，類似于sprintf()

name <- "Fred"
age <- 50
str_glue("My name is {name}, my age next year is {age + 1}")
mtcars[1:3,] %>% str_glue_data("{rownames(.)} has {hp} hp")

• 4.7 大小寫轉(zhuǎn)換

dog <- "The quick brown dog"
##變大寫
str_to_upper(dog)
##變小寫
str_to_lower(dog)
##首字母大寫
str_to_title(dog)

5、字符串拼接與拆分

• str_c()：拼接兩個字符串，默認(rèn)連接符為空白

str_c("Letter-", letters)
str_c("Letter", letters, sep = ": ")
str_c(letters, collapse = "")

• str_dup() 重復(fù)字符串`

fruit <- c("apple", "pear", "banana")
str_dup(fruit, 2)
str_dup(fruit, 1:3)

• str_split() 拆分字符串，默認(rèn)返回的是list，可設(shè)置simplify=T參數(shù)返回矩陣

fruits <- c(
  "apples and oranges and pears and bananas",
  "pineapples and mangos and guavas"
)
str_split(fruits, " and ")
str_split(fruits, " and ", simplify=T)

#限定分割得到的字符串的數(shù)量(從左到右)
str_split(fruits, " and ", n = 2)
str_split(fruits, " and ", n = 3)
str_split(fruits, " and ", n = 5)