R语言：文本处理（字符串处理）的常用函数
文字太多，一眼找不到要找的内容？ Ctrl+F 即可查找~
R语言中处理字符串主要用到base包（R语言自带）和stringr包（需下载安装）的一些函数，现总结如下：
1、字符串长度
nchar()函数用于计算字符串长度；nzchar()函数则用于判断字符串长度是否大于0，大于0则返回TRUE，否则返回FALSE。
函数参数设置如下：
nchar(x, type = "chars",allowNA = FALSE, keepNA = NA)
nzchar(x, keepNA = FALSE)
其中，参数x是要测长度的字符串，须是character型向量或者可以转化为character型的向量（如numeric型，但是不能是factor型）；
参数type可以取chars，bytes和width，取chars时返回该字符串可视字符的个数，byte返回该字符串存储字节数，width返回该字符串显示在屏幕上的宽度；
如果遇到无效的字符串，参数allowNA设为FALSE时函数报错，设为TRUE时，则会返回NA；
如果遇到缺失值（NA），参数keepNA设为TRUE时，函数返回NA，设为FALSE时，则会将NA转化为字符串进行计算。
x <- c('abcd', 1379, '偷闲阁', NA)
nchar(x)
nchar(x, type = 'bytes')
nchar(x, keepNA = F)
2、查找、替换字符串
grep系列函数用于字符串的查找和替换。
grep()返回向量中包含所查找字符（串）的元素在向量中的位置；
grepl()则对向量中每个元素是否包含所查找的字符（串）进行判断；
sub()和gsub()用于替换字符串中的字符（串），其中sub()用于只对查找到的第一个进行替换，gsub()则替换所有满足条件的字符（串）；
regexpr()、gregexpr()和regexec()用于查找字符串中要寻找的字符（串）所在位置，若不匹配则返回-1，其中regexpr()和regexec()只会返回第一个满足匹配关系的位置，只是两个函数的输出形式不一样，gregexpr()则返回所有满足匹配关系的位置；
函数参数设置如下：
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，参数pattern即要查找的字符（串）；
参数x或text是要在其中进行查找的字符串（向量）；
参数replacement是要替换成的字符（串）；
参数fixed为TRUE时采用精确查找；
参数perl为TRUE时采用Perl正则表达式；
参数fixed和perl都为FALSE时，使用POSIX1003.2扩展正则表达式；
参数ignore.case为FALSE时匹配区分大小写，为TRUE时不区分大小写；
参数value为TRUE时，grep函数的返回值为包含要查找字符串的元素，而不是该元素在向量中的位置；
参数useBytes为TRUE时，匹配过程是逐字节进行的；
参数invert为TRUE时，返回的是不匹配的项。
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) # 只有第一个i被替换
gsub('i', 'I', x) # 所有i被替换为I3、拆分字符串
strsplit()用于字符串的拆分。
strsplit(x, split, fixed = FALSE, perl= FALSE, useBytes = FALSE)
其中参数x是要处理的字符串，split是分割点。
x <- '2018-01-11'
strsplit(x, '-')4、拼接字符串
paste()用于字符串的拼接。
paste (..., sep = " ",collapse = NULL)
paste0(..., collapse = NULL)
参数...是要进行拼接的字符串，可以是多个元素或向量；
参数sep是进行元素间拼接时使用的连接符；
参数collapse是进行向量内拼接时使用的连接符。
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、提取字符串
substr系列函数用于提取字符串中的字符（串）。
substr(x, start, stop)
substring(text, first, last = 1000000L)
参数x或text是要在其中进行提取的字符串（向量）；
参数start或first是提取的第一个字符所在位置；
参数stop或last是提取的最后一个字符所在位置。
x <- '鞠躬尽瘁，死而后已。'
substr(x, 1, 4)
# substr和subsring也可以用来替换字符串的内容
substr(x, 1, 4) <- '诸葛亮说'
x str_extract(string, pattern)
str_extract_all(string, pattern, simplify = FALSE)
其中，参数string是要处理的文本；
参数pattern是要提取的字符形式，通常使用正则表达式；
参数simplify为FALSE时返回的结果是list，为TRUE时返回matrix。
# 将所有数字提取出来
x <- '2018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)