1.准备工作
library(tidyverse)
library(stringr)
2.字符串基础
单引号和双引号没有区别
转义符号\，对于反斜杠和引号需要转义。可是我这里发现了一个问题，理论上
double_quote <- "\""应该是正确的双引号，然而并不是,用writeLines("\"")就对了。
理论上没有转义符号的
计算机看到的是这样的
原文说，“如果想要查看字符串的初始内容，可以使用writelines() 函数”，实际上意思应该是去掉转义符号和引号，只显示单纯的转义后的字符串，也就是计算机看到的内容。
洲更大神解答了这个问题：
是的，你看到的带了转义符号，计算机看到的是转义成功的！
几种特殊符号：
| 符号 | 意义 |
|---|---|
| \t | 制表符 |
| \n | 换行 |
| \u00b5 | μ |
2.1字符串长度
str_length(c("a", "R for data science", NA))
#> [1] 1 18 NA
手动数了一下，发现空格也算一个字符长度。
2.2 字符串组合与拆分
其实我觉得更恰当的说法应该是连接。
str_c("x", "y") #连接两个
#> [1] "xy"
str_c("x", "y", "z")#连接三个
#> [1] "xyz"
str_c("x", "y", sep = ", ")#有分隔符的连接
#> [1] "x, y"
#补充：
str_c(c("x", "y"), collapse = ",")
#对一个向量中的几个字符串进行连接用collapse。
处理NA，str_replace_na()
str_c() 函数是向量化的，它可以自动循环短向量，使得其与最长的向量具有相同的长度。
也就是说，你要连接一个含有c(a,b)和x，就会把a和b拆开，后面各自加上x。
同理前后连接也是一样的：
这段代码我一开始没有看懂
name <- "Hadley"
time_of_day <- "morning"
birthday <- FALSE
str_c(
"Good ", time_of_day, " ", name,
if (birthday) " and HAPPY BIRTHDAY",
"."
)
#> [1] "Good morning Hadley."
然后把birthday改成了TRUE试试：
name <- "Hadley"
time_of_day <- "morning"
birthday <- TRUE
str_c(
"Good ", time_of_day, " ", name,
if (birthday) " and HAPPY BIRTHDAY",
"."
)
#>[1] "Good morning Hadley and HAPPY BIRTHDAY."
只要认清birthday是个逻辑值就懂咯，不懂就改改看。
拆分
要想将字符向量合并为字符串，可以使用collapse() 函数：
str_c(c("x", "y", "z"), collapse = ", ")
#> [1] "x, y, z"
2.3 用str_sub() 函数来提取字符串的一部分
x <- c("Apple", "Banana", "Pear")
str_sub(x, 1, 3)
#> [1] "App" "Ban" "Pea"
# 负数表示从后往前数,
str_sub(x, -3, -1)#倒数第三个到倒数第一个字符
#> [1] "ple" "ana" "ear"
#注意，即使字符串过短，str_sub() 函数也不会出错，它将返回尽可能多的字符：
str_sub("a", 1, 5)
#> [1] "a"
2.4 区域设置
蒙在这个题目上的应该不止我自己吧。
意思是不同语言的转换大小写和排序，语言有自己的编码标准ISO 639 ，比如英语是en。
大小写转换
| 函数 | 意义 |
|---|---|
| str_to_lower() | 大写变小写 |
| str_to_upper() | 小写变大写 |
| str_to_title() | 首字母大写 |
想知道什么意思，猜并试试
排序：
英文的排序是a-z这样。其他语言不知道。
x <- c("apple", "eggplant", "banana")
str_sort(x, locale = "en") # 英语
#> [1] "apple" "banana" "eggplant"
str_sort(x, locale = "haw") # 夏威夷语
#> [1] "apple" "eggplant" "banana"
3.使用正则表达式进行模式匹配
通过str_view() 和str_view_all() 函数来学习正则表达式。这两个函数接受一个字符向量和一个正则表达式，并显示出它们是如何匹配的。
3.1 基础匹配
精确匹配字符串：
x <- c("apple", "banana", "pear")
str_view(x, "an")
用"."任意字符匹配（除了换行符）：
str_view(x, ".a.")
好像是同一个字符串里只匹配一次哦。看banana其实可以匹配到两次
观察细致·洁
需要匹配”.“需要用正则表达式转义:
搜索一个"."
str_view(c("abc", "a.c", "bef"), "\\.")
中间的反斜杠和“.”连起来表示一个正常的点儿。第一个反斜杠表示匹配。
x <- "a\\b"
writeLines(x)
#> a\b
str_view(x, "\\\\")
四个反斜杠表示匹配一个普通的反斜杠！
后两个表示一个正常的反斜杠，前两个表示匹配用的正常的反斜杠，啊。
3.3 锚点--以什么开头，或以什么结尾
• ^ 从字符串开头进行匹配。
• $ 从字符串末尾进行匹配。
x <- c("apple", "banana", "pear")
str_view(x, "^a")
str_view(x, "a$")
强制正则表达式匹配一个完整字符串。
x <- c("apple pie", "apple", "apple cake")
str_view(x, "apple")
str_view(x, "^apple$")
3.5 字符类与字符选项
| 符号 | 意义 |
|---|---|
| \\d | 任意数字 |
| \\s | 任意空白字符，如空格，制表符和换行符 |
| [abc] | a、b、c |
| [^abc] | 除了a、b、c外的任意字符 |
|连接两个不同的匹配，用括号使表达更清晰，（类似于加减乘除是否需要加括号，优先级）
str_view(c("grey", "gray"), "gr(e|a)y")
3.7 重复
控制一个模式能匹配多少次
• ?：0 次或1 次。
• +：1 次或多次。
• *：0 次或多次。
x <- "1888 is the longest year in Roman numerals: MDCCCLXXXVIII"
str_view(x, "CC?")
str_view(x, "CC+")
str_view(x, 'C[LX]+')
注意：这个地方中文书有误，str_view(x, "CC?")匹配到的是两个C，而非三个
精确设置匹配的次数。
• {n}：匹配n 次。
• {n,}：匹配n 次或更多次。
• {,m}：最多匹配m 次。
• {n, m}：匹配n 到m 次。
如果你选的是一个区间，正则表达式会匹配尽量长。在表达式后面加一个？可以改为匹配尽量短。
3.9分组与回溯引用
str_view(fruit, "(..)\\1", match = TRUE)
fruit是个自带的向量，括号表示优先级，\1表示第一组，第一个反斜线表示转义。
（补充：这里看的有点懵，其实就只有一组。如果多组，就是多个括号连写，是带有顺序的，依次表示第1,2,3组）
做了以下尝试：
str_view(fruit, "(..)\\1")，去掉match，只匹配到连续的anan
str_view(fruit, "(.)\\1", match = TRUE)去掉一个点，匹配到了叠字
str_view(fruit, "(.)\\1")去掉match，去掉点，只显示匹配到的所有叠字
网友评论