用stringr包处理字符串

《Machine Learning for Hackers》一书的合著者John Myles White近日接受了一个访谈。在访谈中他提到了自己在R中常用的几个扩展包，其中包括用ggplot2包来绘图，用glmnet包做回归，用tm包进行文本挖掘，用plyr、reshape、lubridate和stringr包进行数据预处理。这些包本博客大部分都有所介绍，今天就来看看这个遗漏的stringr包。

从名字就看得出，stringr包是用来处理字符串的。R语言本身的字符处理能力已经不错了，但使用起来并不是很方便。stringr包将原本的字符处理函数进行了打包，统一了函数名和参数。在增强功能基础上，还能处理向量化数据并兼容非字符数据。stringr包号称能让处理字符的时间减少95%。下面将其中的一些主要函数罗列一下。

library(stringr)

# 合并字符串

fruit <- c("apple","banana","pear","pinapple")

res <- str_c(1:4,fruit,sep=' ',collapse=' ')

str_c('I want to buy ',res,collapse=' ')

# 计算字符串长度

str_length(c("i","like","programming R",123,res))

# 按位置取子字符串

str_sub(fruit,1,3)

# 子字符串重新赋值

capital <-toupper(str_sub(fruit,1,1))

str_sub(fruit,rep(1,4),rep(1,4))<- capital

# 重复字符串

str_dup(fruit,c(1,2,3,4))

# 加空白

str_pad(fruit,10,"both")

# 去除空白

str_trim(fruit)

# 根据正则表达式检验是否匹配

str_detect(fruit,"a$")

str_detect(fruit,"[aeiou]")

# 找出匹配的字符串位置

str_locate(fruit,"a")

# 提取匹配的部分

str_extract(fruit,"[a-z]+")

str_match(fruit,"[a-z]+")

# 替换匹配的部分

str_replace(fruit,"[aeiou]","-")

# 分割

str_split(res," ")