学习R语言：字符串操作
目录
本文内容来自《R 语言编程艺术》(The Art of R Programming)，有部分修改
尽管 R 是一门以数值向量和矩阵为核心的统计语言，但字符串同样极为重要。
字符串操作函数概述
grep()
grep(pattern, x) 在字符串向量 x 中搜索给定字符串 pattern，返回 x 的索引
grep(
"Pole",
c(
"Equator",
"North Pole",
"South Pole"
)
)[1] 2 3
grep(
"pole",
c(
"Equator",
"North Pole",
"South Pole"
)
)integer(0)
nchar()
nchar() 函数返回字符串 x 的长度
nchar("South Pole")[1] 10
nchar(NA)[1] NA
nchar(NULL)integer(0)
paste()
paste() 函数将若干个字符串拼接
默认使用空格拼接
paste("North", "Pole")[1] "North Pole"
sep 参数指定拼接字符
paste("North", "Pole", sep="")[1] "NorthPole"
paste("North", "Pole", sep=".")[1] "North.Pole"
paste("North", "and", "South", "Poles")[1] "North and South Poles"
sprintf()
sprintf(...) 按一定格式把若干个组件组合成字符串
i <- 8
s <- sprintf("the square of %d is %d", i, i^2)
s[1] "the square of 8 is 64"
substr()
substr(x, start, stop) 函数返回 start:stop 位置的子字符串
substring("Equator", 3, 5)[1] "uat"
strsplit()
strsplit(x, split) 函数根据 split 将字符串 x 拆分
strsplit("6-16-2011", split="-")[[1]]
[1] "6" "16" "2011"
regexpr()
regexpr(pattern, text) 在 text 中寻找 pattern，返回匹配的第一个子字符串的起始位置。
a <- regexpr("uat", "Equator")
a[1] 3
attr(,"match.length")
[1] 3
attr(,"index.type")
[1] "chars"
attr(,"useBytes")
[1] TRUE
attr(a, "match.length")[1] 3
gregexpr()
gregexpr(pattern, text) 与 regexpr() 类似，但会返回全部匹配子字符串的起始配置
b <- gregexpr("iss", "Mississippi")
b[[1]]
[1] 2 5
attr(,"match.length")
[1] 3 3
attr(,"index.type")
[1] "chars"
attr(,"useBytes")
[1] TRUE
attr(b[[1]], "index.type")[1] "chars"
正则表达式
支持正则表达式的函数举例：
grep()grepl()regexpr()gregexpr()sub()gsub()strsplit()
grep(
"[au]",
c(
"Equator",
"North Pole",
"South Pole"
)
)[1] 1 3
grep(
"o.e",
c(
"Equator",
"North Pole",
"South Pole"
)
)[1] 2 3
grep(
"N..t",
c(
"Equator",
"North Pole",
"South Pole"
)
)[1] 2
grep(
".",
c(
"abc",
"de",
"f.g"
)
)[1] 1 2 3
grep(
"\\.",
c(
"abc",
"de",
"f.g"
)
)[1] 3
扩展案例：检查文件名的后缀
test_suffix <- function(fn, suff) {
parts <- strsplit(
fn, ".",
fixed=TRUE
)
nparts <- length(parts[[1]])
return(parts[[1]][nparts] == suff)
}注：fixed=TRUE 会将分隔符理解纯字符串，而不是正则表达式。
当然，也可以使用 \\. 表示点号
测试
test_suffix("x.abc", "abc")[1] TRUE
test_suffix("x.abc", "ac")[1] FALSE
test_suffix("x.y.abc", "ac")[1] FALSE
test_suffix("x.y.abc", "abc")[1] TRUE
test_suffix_v2 <- function(fn, suff) {
ncf <- nchar(fn)
dotpos <- ncf - nchar(suff) + 1
return(substr(fn, dotpos, ncf) == suff)
}test_suffix_v2("x.y.abc", "abc")[1] TRUE
test_suffix_v2("x.ac", "abc")[1] FALSE
扩展案例：生成文件名
for (i in 1:5) {
fname <- paste("q", i, ".pdf", sep="")
pdf(fname)
hist(rnorm(100, sd=i))
dev.off()
}for (i in 1:5) {
fname <- sprintf("q%d.pdf", i)
pdf(fname)
hist(rnorm(100, sd=i))
dev.off()
}参考
学习 R 语言系列文章：
《快速入门》
《向量》
《矩阵和数组》
《列表》
《数据框》
《因子和表》
《编程结构》
《数学运算与模拟》
《面向对象编程》
《输入与输出》
本文代码请访问如下项目：
