本文轉載自：https://www.cnblogs.com/nxld/p/6062950.html 

1. stringr介紹

stringr包被定義為一致的、簡單易用的字串工具集。所有的函式和引數定義都具有一致性，比如，用相同的方法進行NA處理和0長度的向量處理。

字串處理雖然不是R語言中最主要的功能，卻也是必不可少的，資料清洗、視覺化等的操作都會用到。對於R語言本身的base包提供的字串基礎函式，隨著時間的積累，已經變得很多地方不一致，不規範的命名，不標準的引數定義，很難看一眼就上手使用。字串處理在其他語言中都是非常方便的事情，R語言在這方面確實落後了。stringr包就是為了解決這個問題，讓字串處理變得簡單易用，提供友好的字串操作介面。

2. stringr的API介紹

stringr包1.0.0版本，一共提供了30個函式，方便我們對字串處理。常用的字串的處理以str_開頭來命名，方便更直觀理解函式的定義。我們可以根據使用習慣對函式進行分類：

字串拼接函式

• str_c: 字串拼接。
• str_join: 字串拼接，同str_c。
• str_trim: 去掉字串的空格和TAB(\t)
• str_pad: 補充字串的長度
• str_dup: 複製字串
• str_wrap: 控制字串輸出格式
• str_sub: 擷取字串
• str_sub<- 擷取字串，並賦值，同str_sub

字串計算函式

• str_count: 字串計數
• str_length: 字串長度
• str_sort: 字串值排序
• str_order: 字串索引排序，規則同str_sort

字串匹配函式

• str_split: 字串分割
• str_split_fixed: 字串分割，同str_split
• str_subset: 返回匹配的字串
• word: 從文字中提取單詞
• str_detect: 檢查匹配字串的字元
• str_match: 從字串中提取匹配組。
• str_match_all: 從字串中提取匹配組，同str_match
• str_replace: 字串替換
• str_replace_all: 字串替換，同str_replace
• str_replace_na:把NA替換為NA字串
• str_locate: 找到匹配的字串的位置。
• str_locate_all: 找到匹配的字串的位置,同str_locate
• str_extract: 從字串中提取匹配字元
• str_extract_all: 從字串中提取匹配字元，同str_extract

字串變換函式

• str_conv: 字元編碼轉換
• str_to_upper: 字串轉成大寫
• str_to_lower: 字串轉成小寫,規則同str_to_upper
• str_to_title: 字串轉成首字母大寫,規則同str_to_upper

引數控制函式，僅用於構造功能的引數，不能獨立使用。

• boundary: 定義使用邊界
• coll: 定義字串標準排序規則。
• fixed: 定義用於匹配的字元，包括正則表示式中的轉義符
• regex: 定義正則表示式

stringr包中的重要函式

3.1 字串拼接函式

3.1.1 str_c，字串拼接操作，與str_join完全相同，與paste()行為不完全一致。

函式定義：
str_c(..., sep = "", collapse = NULL)
str_join(..., sep = "", collapse = NULL)
引數列表：
…: 多引數的輸入
sep: 把多個字串拼接為一個大的字串，用於字串的分割符。
collapse: 把多個向量引數拼接為一個大的字串，用於字串的分割符。

str_c(c('a','a1'),c('b','b1'),sep='-')
str_c(letters[1:5], " is for", "...") 
str_c('a','b',sep='-')#sep可設定連線符
str_c('a','b',collapse = "-") # collapse引數，對多個字串無效
str_c(c('a','a1'),c('b','b1'),collapse='-') 
str_c(head(letters), collapse = "") #把多個向量引數拼接為一個大的字串
str_c(head(letters), collapse = ", ")
str_c(letters[-26], " comes before ", letters[-1])
str_c(letters)
############
#對比str_c()函式和paste()函式之間的不同點。
############
str_c('a','b') #把多個字串拼接為一個大的字串。
paste('a','b') # 多字串拼接，預設的sep引數行為不一致
# 向量拼接字串，collapse引數的行為一致
str_c(letters, collapse = "") #collapse 將一個向量的所有元素連線成一個字串，collapse設定元素間的連線符
paste(letters, collapse = "")
#拼接有NA值的字串向量，對NA的處理行為不一致
str_c(c("a", NA, "b"), "-d") #若為空，則無法連線
paste(c("a", NA, "b"), "-d") #即使空，也可連線
str_c(str_replace_na(c("a", NA, "b")), "-d") #即使空，也可連線

3.1.2 str_trim:去掉字串的空格和TAB(\t)

函式定義：str_trim(string, side = c("both", "left", "right"))
引數列表：
string: 字串，字串向量。
side: 過濾方式，both兩邊都過濾，left左邊過濾，right右邊過濾
去掉字串的空格和TAB(\t)

str_trim(string, side = c(“both”, “left”, “right”))
string：需要處理的字串
side：指定剔除空格的位置，both表示剔除首尾兩端空格，left表示剔除字串首部空格，right表示剔除字串末尾空格
string <- ‘ Why is me? I have worded hardly! ‘
str_trim(string, side = ‘left’)
str_trim(string, side = ‘right’)
str_trim(string, side = ‘both’)

3.1.3 str_pad:補充字串的長度

函式定義：str_pad(string, width, side = c("left", "right", "both"), pad = " ")
引數列表：
string: 字串，字串向量。
width: 字串填充後的長度
side: 填充方向，both兩邊都填充，left左邊填充，right右邊填充
pad: 用於填充的字元

> string<-'ning xiao li'
> str_pad(string,10)
[1] "ning xiao li"
> str_pad(string,20)
[1] " ning xiao li"
> str_pad(string,20,side = 'both',pad = '*')
[1] "****ning xiao li****"
> string<-'ning xiao li'
> str_pad(string,10) ##注若指定的長度少於string長度時，將只返回原string
[1] "ning xiao li"
> str_pad(string,20) ## 從右邊補充空格，直到字串長度為20
[1] " ning xiao li"
> str_pad(string,20,side = 'left',pad = '*') # # 從左邊補充空格，直到字串長度為20
[1] "********ning xiao li"
> str_pad(string,20,side = 'left',pad = '*') # # 從右邊補充空格，直到字串長度為20
[1] "********ning xiao li"
> str_pad(string,20,side = 'both',pad = '*') # 從左右兩邊各補充x字元，直到字串長度為20
[1] "****ning xiao li****"

3.1.4 str_dup: 複製字串

函式定義：str_dup(string, times)
引數列表：

string：需要重複處理的字串

times：指定重複的次數

複製一個字串向量。
> val <- c("abca4", 123, "cba2")
# 複製2次
> str_dup(val, 2)
# 按位置複製
> str_dup(val, 1:3)

3.1.5 str_wrap，控制字串輸出格式

函式定義：str_wrap(string, width = 80, indent = 0, exdent = 0)

引數列表：

• string: 字串，字串向量。
• width: 設定一行所佔的寬度。
• indent: 段落首行的縮排值
• exdent: 設定第二行後每行縮排

thanks_path <- file.path(R.home("doc"), "THANKS") 
thanks <- str_c(readLines(thanks_path), collapse = "\n") 
thanks <- word(thanks, 1, 3, fixed("\n\n")) 
cat(str_wrap(thanks), "\n") 
cat(str_wrap(thanks, width = 70), "\n") # 設定寬度為70個字元
cat(str_wrap(thanks, width = 80, indent = 6, indent = 2), "\n") # 設定寬度為80字元，首行縮排2字元
cat(str_wrap(thanks, width = 80, indent = 6, exdent = 2), "\n") # 設定寬度為80字元，非首行縮排2字元 

3.1.6 str_sub,擷取字串

函式定義：str_sub(string, start = 1L, end = -1L)

引數列表：

• string: 字串，字串向量。
• start : 開始位置
• end : 結束位置

str_sub(string, start = 1L, end = -1L) 提取子字串

str_sub(string, start = 1L, end = -1L) <- value 替換子字串

擷取字串。

txt <- "I am a little bird"
str_sub(txt, 1, 4) # 擷取1-4的索引位置的字串
str_sub(txt, end=6) # 擷取1-6的索引位置的字串
str_sub(txt, 6) # 擷取6到結束的索引位置的字串
str_sub(txt, c(1, 4), c(6, 8)) # 分2段擷取字串
str_sub(txt, -3) # 通過負座標擷取字串
str_sub(txt, end = -3)
x <- "AAABBBCCC" #對擷取的字串進行賦值。
str_sub(x, 1, 1) <- 1; x ## 在字串的1的位置賦值為1
str_sub(x, 2, -2) <- "2345"; x ## 在字串從2到-2的位置賦值為2345

3.2 字串計算函式

3.2.1 str_count, 字串計數

函式定義：str_count(string, pattern = "")

引數列表：

• string: 字串，字串向量。
• pattern: 匹配的字元。

# Word boundaries 單詞邊界

words <- c("These are some words.")

str_count(words) #統計語句中單詞的個數
[1] 21

str_count(words, boundary("word")) 
str_split(words, " ")[[1]] #將語句分割成單個片語，最後一個單詞帶有標點
str_split(words, boundary("word"))[[1]]#最後一個單詞不帶有標點

string<-c('ning xiao li','zhang san','zhao guo nan')
str_count(string,'i')

3.2.2 str_length,字串長度

函式定義：str_length(string)
引數列表：
string: 字串，字串向量。
計算字串的長度:
> str_length(c("I", "am", "寧小麗", NA))
[1] 1 2 3 NA

str_length()，字元長度函式，該函式類似於nchar()函式，但前者將NA返回為NA，而nchar則返回2

3.2.3 str_sort, 字串值排序，同str_order索引排序

函式定義：
str_sort(x, decreasing = FALSE, na_last = TRUE, locale = "", ...)
str_order(x, decreasing = FALSE, na_last = TRUE, locale = "", ...)

str_order和str_sort的區別在於前者返回排序後的索引（下標），後者返回排序後的實際值
引數列表：
x: 字串，字串向量。
decreasing: 排序方向。
na_last:NA值的存放位置，一共3個值，TRUE放到最後，FALSE放到最前，NA過濾處理
locale:按哪種語言習慣排序

#str_sort, 字串值排序，同str_order索引排序
str_order(c('wo','love','five','stars','red','flag'),locale = "en") 
str_sort(c('wo','love','five','stars','red','flag'),locale = "en") # 按ASCII字母排序
str_sort(c('wo','love','five','stars','red','flag'),,decreasing=TRUE) # 倒序排序
str_sort(c('我','愛','五','星','紅','旗'),locale = "zh") # 按拼音排序

對NA值的排序處理

 #把NA放最後面
> str_sort(c(NA,'1',NA),na_last=TRUE) 
[1] "1" NA  NA 
#把NA放最前面
> str_sort(c(NA,'1',NA),na_last=FALSE) 
[1] NA  NA  "1"
#去掉NA值 
> str_sort(c(NA,'1',NA),na_last=NA)    
[1] "1"

3.3 字串匹配函式

3.3.1 str_split,字串分割，同str_split_fixed

函式定義：

str_split(string, pattern, n = Inf)
str_split_fixed(string, pattern, n)
引數列表：
string: 字串，字串向量。
pattern: 匹配的字元。
n: 分割個數  #最後一組就不會被分割
對字串進行分割。

### str_split與str_split_fixed的區別
### 在於前者返回列表格式，後者返回矩陣格式
val <- "abc,123,234,iuuu"
s1<-str_split(val, ","); s1 # 以,進行分割
s2<-str_split(val, ",",2); s2 # 以,進行分割，保留2塊
class(s1) # 檢視str_split()函式操作的結果型別list
s3<-str_split_fixed(val, ",",2); s3 # 用str_split_fixed()函式分割，結果型別是matrix
class(s3)

3.3.2 str_subset:返回的匹配字串

函式定義：
str_subset(string, pattern)
引數列表：
string: 字串，字串向量。
pattern: 匹配的字元。

fruit <- c("apple", "banana", "pear", "pinapple") 
str_subset(fruit, "a") ## 全文匹配
str_subset(fruit, "ap") ##返回含字元'ap'的單詞
str_subset(fruit, "^a") ## 開頭匹配
str_subset(fruit, "a$") ## 結尾匹配
str_subset(fruit, "b") ##返回含字元'b'的單詞
str_subset(fruit, "[aeiou]") ##返回含'aeiou'任一個字元的單詞
str_subset(c("a", NA, "b"), ".") #丟棄空值
#該函式與word()函式的區別在於前者提取字串的子串，後者提取的是單詞，而且str_sub也可以其替換的作用。
string <- 'My name is ABDATA, I’m 27.'
str_sub(string, -3,-2) <- 25; string

str_subset()函式與word()函式的區別在於前者提取字串的子串，後者提取的是單詞,而且str_sub也可以其替換的作用。

3.3.3 word, 從文字中提取單詞（適用於英語環境下的使用）

函式定義：word(string, start = 1L, end = start, sep = fixed(" "))

引數列表：

• string: 字串，字串向量。
• start: 開始位置。
• end: 結束位置。
• sep: 匹配字元。

sentences <- c("nxl saw a cat", "nxl sat down")
word(sentences, 1) #提取第一個單詞
word(sentences, 2) #提取第二個單詞
word(sentences, -1) #提取句子的最後一個單詞
word(sentences, 2, -1) #提取第二個單詞到最後一個單詞
word(sentences[1], 1:3, -1) #整個句子從第一個單詞遞減掉三個單詞
word(sentences[1], 1:6, -1) #整個句子從第一個單詞遞減掉的單詞
word(sentences[1], 1, 1:4) #從句子的第一個單詞遞增到第四個單詞
str <- 'abc.def..123.4568.999' 
word(str, 1, sep = fixed('..')) # 指定分隔符 
word(str, 2, sep = fixed('..'))
word(str, 3, sep = fixed('..'))
val<-'111,222,333,444'
word(val, 1, sep = fixed(',')) # 以,分割，取第一個位置的字串 
word(val, 3, sep = fixed(','))

3.3.4 str_detect匹配字串的字元－－ 檢測函式，用於檢測字串中是否存在某種匹配模式

函式定義：str_detect(string, pattern)
引數列表：
string: 字串，字串向量。
pattern: 匹配字元。
> val <- c("abca4", 123, "cba2")
# 檢查字串向量，是否包括a
> str_detect(val, "a")
# 檢查字串向量，是否以a為開頭
> str_detect(val, "^a")
# 檢查字串向量，是否以a為結尾
> str_detect(val, "a$")

3.3.6 str_match,從字串中提取匹配組

函式定義：
str_match(string, pattern)
str_match_all(string, pattern)
引數列表：
string: 字串，字串向量。
pattern: 匹配字元。

val <- c("abc", 123, "cba") # 從字串中提取匹配組
str_match(val, "a") # 匹配字元a，並返回對應的字元
str_match(val, "[0-9]") # 匹配字元0-9，限1個，並返回對應的字元
str_match(val, "[0-9]*") # 匹配字元0-9，不限數量，並返回對應的字元
str_match_all(val, "a") #從字串中提取匹配組，以字串matrix格式返回
str_match_all(val, "[0-9]")

str_match()和str_match_all()區別在於前者只提取一次滿足條件的匹配物件，而後者可以提取所有匹配物件

3.3.7 str_replace，字串替換

函式定義：str_replace(string, pattern, replacement)
引數列表：
string: 字串，字串向量。
pattern: 匹配字元。
replacement: 用於替換的字元。

val <- c("abc", 123, "cba")
str_replace(val, "[ab]", "-") #替換第一個匹配的字元# 把目標字串第一個出現的a或b，替換為-
str_replace_all(val, "[ab]", "-") #替換所有匹配的字元 # 把目標字串所有出現的a或b，替換為-
str_replace_all(val, "[a]", "\1\1") # 把目標字串所有出現的a，替換為被轉義的字元

str_replace與str_replace_all的區別在於前者只替換一次匹配的物件，而後者可以替換所有匹配的物件

3.3.8 str_replace_na把NA替換為NA字串

函式定義：str_replace_na(string, replacement = "NA")

引數列表：

• string: 字串，字串向量。
• replacement : 用於替換的字元。

把NA替換為字串

> str_replace_na(c(NA,'NA',"abc"),'x')
[1] "x"   "NA"  "abc"

3.3.9 str_locate，找到的模式在字串中的位置。

str_locate()和str_locate_all()的區別在於前者只匹配首次，而後者可以匹配所有可能的值

> str_locate(val, "a")
start end
[1,] 1 1
[2,] NA NA
[3,] 3 3
# 用向量匹配
> str_locate(val, c("a", 12, "b"))
start end
[1,] 1 1
[2,] 1 2
[3,] 2 2
# 以字串matrix格式返回
> str_locate_all(val, "a")
[[1]]
start end
[1,] 1 1
[2,] 4 4
[[2]]
start end
[[3]]
start end
[1,] 3 3
# 匹配a或b字元，以字串matrix格式返回
> str_locate_all(val, "[ab]")
[[1]]
start end
[1,] 1 1
[2,] 2 2
[3,] 4 4
[[2]]
start end
[[3]]
start end
[1,] 2 2
[2,] 3 3

string <- c('nxl123','zhazha234')
str_locate(string,'z')
str_locate(string,'n')
str_locate_all(string,'n')

3.3.10 str_extract從字串中提取匹配模式

函式定義：
str_extract(string, pattern)
str_extract_all(string, pattern, simplify = FALSE)
引數列表：
string: 字串，字串向量。
pattern: 匹配字元。
simplify: 返回值，TRUE返回matrix，FALSE返回字串向量

shopping_list <- c("apples 4x4", "bag of flour", "bag of sugar", "milk x2") 
str_extract(shopping_list, "\\d") # 提取數字 #提取匹配模式的第一個字串
str_extract(shopping_list, "[a-z]+") #提取字母
str_extract_all(shopping_list, "[a-z]+") # 提取所有匹配模式的字母，結果返回一個列表
str_extract_all(shopping_list, "\\d") # 提取所有匹配模式的數字
# 提取所有匹配模式的字串，結果返回一個矩陣，通過simplify = TRUE設定
str_extract_all(shopping_list, "\\b[a-z]+\\b", simplify = TRUE) 
str_extract_all(shopping_list, "\\d", simplify = TRUE)