文字太多，一眼找不到要找的內容？ ctrl+f 即可查詢~
1、字串長度
nchar()函式用於計算字串長度；nzchar()函式則用於判斷字串長度是否大於0，大於0則返回true，否則返回false。
函式引數設定如下：
nchar(x, type = "chars",allowna = false, keepna = na)
nzchar(x, keepna = false)
其中，引數x是要測長度的字串，須是character型向量或者可以轉化為character型的向量（如numeric型，但是不能是factor型）；
引數type可以取chars，bytes和width，取chars時返回該字串可視字元的個數，byte返回該字串儲存位元組數，width返回該字串顯示在螢幕上的寬度；
如果遇到無效的字串，引數allowna設為false時函式報錯，設為true時，則會返回na；
如果遇到缺失值（na），引數keepna設為true時，函式返回na，設為false時，則會將na轉化為字串進行計算。
x <- c('abcd', 1379, '偷閒閣', na)
nchar(x)
nchar(x, type = 'bytes')
nchar(x, keepna = f)
grep系列函式用於字串的查詢和替換。
grep()返回向量中包含所查詢字元（串）的元素在向量中的位置；
grepl()則對向量中每個元素是否包含所查詢的字元（串）進行判斷；
sub()和gsub()用於替換字串中的字元（串），其中sub()用於只對查詢到的第乙個進行替換，gsub()則替換所有滿足條件的字元（串）；
regexpr()、gregexpr()和regexec()用於查詢字串中要尋找的字元（串）所在位置，若不匹配則返回-1，其中regexpr()和regexec()只會返回第乙個滿足匹配關係的位置，只是兩個函式的輸出形式不一樣，gregexpr()則返回所有滿足匹配關係的位置；
函式引數設定如下：
grep(pattern, x, ignore.case = false,perl = false, value = false,
fixed = false, usebytes = false, invert = false)
grepl(pattern, x, ignore.case = false,perl = false,
fixed = false, usebytes = false)
sub(pattern, replacement, x,ignore.case = false, perl = false,
fixed = false, usebytes = false)
gsub(pattern, replacement, x,ignore.case = false, perl = false,
fixed = false, usebytes = false)
regexpr(pattern, text, ignore.case =false, perl = false,
fixed = false, usebytes = false)
gregexpr(pattern, text, ignore.case =false, perl = false,
fixed = false, usebytes = false)
regexec(pattern, text, ignore.case =false, perl = false,
fixed = false, usebytes = false)
其中，引數pattern即要查詢的字元（串）；
引數x或text是要在其中進行查詢的字串（向量）；
引數replacement是要替換成的字元（串）；
引數fixed為true時採用精確查詢；
引數perl為true時採用perl正規表示式；
引數fixed和perl都為false時，使用posix1003.2擴充套件正規表示式；
引數ignore.case為false時匹配區分大小寫，為true時不區分大小寫；
引數value為true時，grep函式的返回值為包含要查詢字串的元素，而不是該元素在向量中的位置；
引數usebytes為true時，匹配過程是逐字節進行的；
引數invert為true時，返回的是不匹配的項。
x <- c('describe', 'the', 'city', 'you', 'live', 'in')
grep('i', x)
grep('i', x, invert = t)
grep('i', x, value = t)
regexec('e', x)
regexpr('e', x)
gregexpr('e', x)
x <- 'initial'
sub('i', 'i', x) # 只有第乙個i被替換
gsub('i', 'i', x) # 所有i被替換為i
strsplit()用於字串的拆分。
strsplit(x, split, fixed = false, perl= false, usebytes = false)
其中引數x是要處理的字串，split是分割點。
x <- '2018-01-11'
strsplit(x, '-')
paste()
用於字串的拼接。
paste (..., sep = " ",collapse = null)
paste0(..., collapse = null)
引數...是要進行拼接的字串，可以是多個元素或向量；
引數sep是進行元素間拼接時使用的連線符；
引數collapse是進行向量內拼接時使用的連線符。
a <- c('a', 'b', 'c')
b <- 1:3
paste(a, b)
paste(a, b, sep = '=')
x <- c('describe', 'the', 'city','you', 'live', 'in')
paste(x, collapse = ' ')
5、提取字串
substr系列函式用於提取字串中的字元（串）。
substr(x, start, stop)
substring(text, first, last = 1000000l)
引數x或text是要在其中進行提取的字串（向量）；
引數start或first是提取的第乙個字元所在位置；
引數stop或last是提取的最後乙個字元所在位置。
x <- '鞠躬盡瘁，死而後已。'
substr(x, 1, 4)
# substr和subsring也可以用來替換字串的內容
substr(x, 1, 4) <- '諸葛亮說'
x
str_extract(string, pattern)
str_extract_all(string, pattern, simplify = false)
其中，引數string是要處理的文字；
引數pattern是要提取的字元形式，通常使用正規表示式；
引數simplify為false時返回的結果是list，為true時返回matrix。
# 將所有數字提取出來
x <- '2023年01月01日'
str_extract(x, '[0-9]+[0-9]')
str_extract_all(x, '[0-9]+[0-9]')
str_extract_all(x, '[0-9]+[0-9]', simplify = t)
文字處理 字串
字串常用操作 漢字到拼音的轉換 x 125 so o x so 175 sh x x sh 7d se e x se 1.250000e 02 d,c 65,65 65,a print format 1 3 保留3位小數 0.333 format 3.5 格式化為百分數 350.000000 for...
R 文字處理 分詞
一 背景 準備對 水滸傳 中人物關係進行探索，無奈 水滸傳 詞庫只有三種型別資料 天魁星呼保義宋江 呼保義宋江 宋江，無法對 天魁星 呼保義 進行分詞，故需要進行預處理，現對此問題進行處理。二 技術路線 思路 觀察現有資料，天罡地煞資料格式規範，容易獲取，江湖稱號 呼保義 稍微複雜，現利用r及其文字...
字串和文字處理技巧
複雜文字分隔 你需要將乙個字串分割為多個字段，但是分隔符 還有周圍的空格 並不是固定的。解決辦法 1 line asdf fjdk afed,fjek,asdf,foo 2 import re 3 re.split r s s line 4 asdf fjdk afed fjek asdf foo ...