前言

字符串處理是數(shù)據(jù)清洗與分析中必不可少的一環(huán)。R語(yǔ)言中的stringr包提供了強(qiáng)大且易用的字符串處理函數(shù)，而正則表達(dá)式則使得字符串的匹配與替換更為靈活和高效。本文將詳細(xì)介紹如何使用stringr和正則表達(dá)式來(lái)處理字符串，并提供相應(yīng)的示例代碼。

一、Stringr 包

1. 創(chuàng)建與查看

• 查看：

  library(stringr)
  str_view("Hello World", "World")
  

  

  使用str_view可以直觀地查看匹配結(jié)果，base::writeLines可以顯示字符串內(nèi)容。

• 轉(zhuǎn)義符：使用\\進(jìn)行轉(zhuǎn)義，例如：

  # cat()函數(shù)：Concatenate and Print（連接和打印）
  cat("This is a backslash: \\")
  

  This is a backslash: \
  

• 原始字符串：可以避免頻繁的轉(zhuǎn)義，例如：

  raw_string <- r"(\d{3}-\d{2}-\d{4})"
  

2. 長(zhǎng)度與子集

• 字符串長(zhǎng)度：

  str_length("Hello")
  

  [1] 5
  

• 按位置提取子集：

  str_sub("Hello World", 1, 5)
  

  [1] "Hello"
  

• 填充字符串：

  str_pad("Hello", width = 10, side = "both", pad = "-")
  

  [1] "--Hello---"
  

3. 檢測(cè)匹配

• 檢測(cè)匹配：返回邏輯值，注意是向量運(yùn)算；可以與sum()等統(tǒng)計(jì)函數(shù)合用。

  str_detect(c("apple", "banana", "pear"), "a")
  

  [1] TRUE TRUE TRUE
  

• 選擇匹配的子集：對(duì)于字符串向量，選出符合匹配的子集，注意與str_sub區(qū)分開(kāi)。

  str_subset(c("apple", "banana", "pear"), "a")
  

  [1] "apple"  "banana" "pear"  
  

• 統(tǒng)計(jì)匹配次數(shù)：

  str_count(c("apple", "banana", "pear"), "a")
  

  [1] 1 3 1
  

• 查看匹配：

  str_view(c("apple", "banana", "pear"), "a")
  

  

4. 提取匹配

• 提取第一個(gè)匹配項(xiàng)：如果沒(méi)有匹配則返回NA

  str_extract("The price is $123", "\\$\\d+")
  

  [1] "$123"
  

• 提取所有匹配項(xiàng)：

  str_extract_all("The price is $123 or $456", "\\$\\d+")
  

  [1] "$123" "$456"
  

• 分組匹配：

  str_match("The price is $123", "(\\$\\d+)")
  

5. 修改字符串

• 按位置替換子集：

  text <- "Hello, world!"
  str_sub(text, 1, 5) <- "Hi"
  

• 轉(zhuǎn)換為小寫(xiě)：

  str_to_lower("Hello")
  

• 替換匹配項(xiàng)：

  str_replace("The price is $123", "\\$\\d+", "$456")
  

6. 連接和分割

• 合并字符串：

  str_c("Hello", "World", sep = " ")
  

• 分割字符串：

  str_split("apples,oranges,pears", ",")
  

7. 排序與定位字符串

• 排序字符向量：

  str_sort(c("banana", "apple", "pear"))
  

• 返回排序序號(hào)：

  str_order(c("banana", "apple", "pear"))
  

• 定位匹配項(xiàng)：

  str_locate("The price is $123", "\\$\\d+")
  

二、正則表達(dá)式

1. 基礎(chǔ)/精確匹配

最簡(jiǎn)單的正則表達(dá)式是匹配一個(gè)精確的字符串，如apple。

2. 條件

• “或”匹配：

  str_detect(c("apple", "banana", "pear"), "apple|banana")
  

• “之一”匹配：

  str_detect(c("apple", "banana", "pear"), "[aeiou]")
  

3. 錨點(diǎn) (始于權(quán)力^(power)，終于金錢(qián)$)

• 開(kāi)始匹配：

  str_detect("apple", "^a")
  

• 結(jié)尾匹配：

  str_detect("apple", "e$")
  

4. 量詞

• 出現(xiàn)0次或1次：

  str_detect(c("color", "colour"), "colou?r")
  

• 出現(xiàn)1次或更多：

  str_detect(c("apple", "aple"), "ap+le")
  

5. 特殊字符集合

• 匹配任何數(shù)字(digit)：

  str_detect("123abc", "\\d")
  

• 匹配空白字符(space)：

  str_detect("a b", "\\s")
  

6. 分組與回溯引用

• 分組匹配：

  str_match("The price is $123", "(\\$\\d+)")
  

• 回溯引用：

  str_replace("abab", "(ab)\\1", "cd")
  

總結(jié) 

到此這篇關(guān)于R語(yǔ)言使用Stringr與正則表達(dá)式進(jìn)行字符串處理的文章就介紹到這了,更多相關(guān)R語(yǔ)言Stringr與正則表達(dá)式字符串處理內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！