r 语言c函数,R语言中的字符串处理函数

内容概览

尽管R是一门以数值向量和矩阵为核心的统计语言，但字符串有时候也会在数据分析中占到相当大的份量。

R语言是一个擅长处理数据的语言，但是也不可避免的需要处理一些字符串(文本数据)。如何高效地处理文本数据，将看似杂乱无章的数据整理成可以进行统计分析的规则数据，是『数据玩家』必备的一项重要技能。

在编程语言里，文本处理绝对是一大热门，作为数据统计分析最热门的R语言，虽然处理方法没有其他的文本的编程语言丰富，但其处理文本的能力也是非常实用的。特别是在文本数据挖掘日趋重要的背景下，在数据预处理阶段你需要熟练的操作字符串对象去处理文本数据。如果你擅长其它的处理软件，比如Python，可以让它来负责前期的脏活，当然你也可以直接用R进行处理。

今天，我们要学习的『正则表达式』和『字符处理函数』将助你成为点石成金的数据魔法师。下面介绍在R语言里面常用的文本处理函数和方法。

获取字符串长度：nchar()能够获取字符串的长度，它也支持字符串向量操作。注意它和length()的结果是有区别的。

字符串粘合：paste()负责将若干个字符串相连结，返回成单独的字符串。其优点在于，就算有的处理对象不是字符型也能自动转为字符型。

字符串分割：strsplit()负责将字符串按照某种分割形式将其进行划分，它正是paste()的逆操作。

字符串截取：substr()能对给定的字符串对象取出子集，其参数是子集所处的起始和终止位置。

字符串替代：gsub()负责搜索字符串的特定表达式，并用新的内容加以替代。sub()函数是类似的，但只替代第一个发现结果。

字符串匹配：grep()负责搜索给定字符串对象中特定表达式 ，并返回其位置索引。grepl()函数与之类似，但其后面的"l"则意味着返回的将是逻辑值。

字符(串)的格式化(定制)输出：R中将字符或字符串按照一定的格式和要求输出。

字符串分割函数：strsplit()

字符串连接函数：paste()及paste0()

计算字符串长度：nchar()及length()

字符串截取函数：substr()及substring()

字符串替换函数：chartr()、sub()及gsub()

字符串匹配函数：grep()及grepl()

大小写转换函数：toupper()、tolower()及casefold()

字符(串)的格式化(定制)输出函数：sprintf()、sink()、cat()、print()、strtrim()、strwrap()

字符串函数参数详解及示例

1. 字符串分割函数：strsplit()

strsplit()是一个拆分函数，该函数可以使用正则表达式进行匹配拆分。

其命令形式为：strsplit(x, split, fixed= F, perl= F, useBytes= F)

在R里面，strsplit一般用来进行字符串分割操作，我们先来看下strsplit函数有哪些选项：x、split、fixed、perl这四个选项是我们会经常用到的。

参数x为字符串格式向量，函数依次对向量的每个元素进行拆分

参数split为拆分位置的字串向量，即在哪个字串处开始拆分；该参数默认是正则表达式匹配；若设置fixed= T则表示是用普通文本匹配或者正则表达式的精确匹配。用普通文本来匹配的运算速度要快些。

参数perl的设置和perl的版本有关，表示可以使用perl语言里面的正则表达式。如果正则表达式过长，则可以考虑使用perl的正则来提高运算速度。

参数useBytes表示是否逐字节进行匹配，默认为FALSE，表示是按字符匹配而不是按字节进行匹配。

Example1

### strsplit()函数用于字符串分割，其中split是分割参数。所得结果以默认以list形式展示。

### 首先x和split是两个必须的选项：

> x = "character vector, each element of which is to be split. Other inputs, including a factor, will give an error."

> x

[1] "character vector, each element of which is to be split. Other inputs, including a factor, will give an error."

> strsplit(x,split = "\\s+")

[[1]]

[1] "character" "vector," "each" "element" "of" "which" "is" "to" "be" "split." "Other"

[12] "inputs," "including" "a" "factor," "will" "give" "an" "error."

> strsplit(x,split = " ")

[[1]]

[1] "character" "vector," "each" "element" "of" "which" "is" "to" "be" "split." "Other"

[12] "inputs," "including" "a" "factor," "will" "give" "an" "error."

> strsplit(x,split = "")

[[1]]

[1] "c" "h" "a" "r" "a" "c" "t" "e" "r" " " "v" "e" "c" "t" "o" "r" "," " " "e" "a" "c" "h" " " "e" "l" "e" "m" "e" "n" "t" " " "o" "f" " " "w"

[36] "h" "i" "c" "h" " " "i" "s" " " "t" "o" " " "b" "e" " " "s" "p" "l" "i" "t" "." " " "O" "t" "h" "e" "r" " " "i" "n" "p" "u" "t" "s" "," " "

[71] "i" "n" "c" "l" "u" "d" "i" "n" "g" " " "a" " " "f" "a" "c" "t" "o" "r" "," " " "w" "i" "l" "l" " " "g" "i" "v" "e" " " "a" "n" " " "e" "r"

[106] "r" "o" "r" "."

###在上面的例子中我们可以看到，我们对split选项设置了三个不同的参数，第一个是`\\s+`，第二个是一个空格，第三个一个空字符。

###第一个参数`\\s+`和第二个参数空格达到了相同的效果，都是把x字符串按照空白进行分割。那个这里为什么是`\\s+`呢？相信对正则表达式有一点了解的同学一定会知道`\s+`是什么意思。`\s+`是表示匹配一个或一个以上的空白字符，包括空格、制表符和换行符等。这里的第一个`\` 是用来转义第二个`\` 符号的。

###那么第三个参数里面，我们设置 `split=""` 又是什么意思呢？当设置为空字符的时候，`strsplit` 函数会把字符串按照字符一个个进行分割。

Example2

### strsplit默认支持正则表达式

###在上面的例子中我们也可以看到strsplit默认是支持正则表达式的。