1.准备工作

library(tidyverse)

library(stringr)

2.字符串基础

单引号和双引号没有区别

转义符号\，对于反斜杠和引号需要转义。可是我这里发现了一个问题，理论上

double_quote

理论上没有转义符号的

计算机看到的是这样的

原文说，“如果想要查看字符串的初始内容，可以使用writelines() 函数”，实际上意思应该是去掉转义符号和引号，只显示单纯的转义后的字符串，也就是计算机看到的内容。

洲更大神解答了这个问题：

是的，你看到的带了转义符号，计算机看到的是转义成功的！

几种特殊符号：

符号

意义

\t

制表符

\n

换行

\u00b5

μ

2.1字符串长度

str_length(c("a", "R for data science", NA))

#> [1] 1 18 NA

手动数了一下，发现空格也算一个字符长度。

2.2　字符串组合与拆分

其实我觉得更恰当的说法应该是连接。

str_c("x", "y") #连接两个

#> [1] "xy"

str_c("x", "y", "z")#连接三个

#> [1] "xyz"

str_c("x", "y", sep = ", ")#有分隔符的连接

#> [1] "x, y"

#补充：

str_c(c("x", "y"), collapse = ",")

#对一个向量中的几个字符串进行连接用collapse。

处理NA，str_replace_na()

str_c() 函数是向量化的，它可以自动循环短向量，使得其与最长的向量具有相同的长度。

也就是说，你要连接一个含有c(a,b)和x，就会把a和b拆开，后面各自加上x。

同理前后连接也是一样的：

这段代码我一开始没有看懂

name

time_of_day

birthday

str_c(

"Good ", time_of_day, " ", name,

if (birthday) " and HAPPY BIRTHDAY",

"."

)

#> [1] "Good morning Hadley."

然后把birthday改成了TRUE试试：

name

time_of_day

birthday

str_c(

"Good ", time_of_day, " ", name,

if (birthday) " and HAPPY BIRTHDAY",

"."

)

#>[1] "Good morning Hadley and HAPPY BIRTHDAY."

只要认清birthday是个逻辑值就懂咯，不懂就改改看。

拆分

要想将字符向量合并为字符串，可以使用collapse() 函数：

str_c(c("x", "y", "z"), collapse = ", ")

#> [1] "x, y, z"

2.3　用str_sub() 函数来提取字符串的一部分

x

str_sub(x, 1, 3)

#> [1] "App" "Ban" "Pea"

# 负数表示从后往前数,

str_sub(x, -3, -1)#倒数第三个到倒数第一个字符

#> [1] "ple" "ana" "ear"

#注意，即使字符串过短，str_sub() 函数也不会出错，它将返回尽可能多的字符：

str_sub("a", 1, 5)

#> [1] "a"

2.4　区域设置

蒙在这个题目上的应该不止我自己吧。

意思是不同语言的转换大小写和排序，语言有自己的编码标准ISO 639 ，比如英语是en。

大小写转换

函数

意义

str_to_lower()

大写变小写

str_to_upper()

小写变大写

str_to_title()

首字母大写

想知道什么意思，猜并试试

排序：

英文的排序是a-z这样。其他语言不知道。

x

str_sort(x, locale = "en") # 英语

#> [1] "apple" "banana" "eggplant"

str_sort(x, locale = "haw") # 夏威夷语

#> [1] "apple" "eggplant" "banana"

3.使用正则表达式进行模式匹配

通过str_view() 和str_view_all() 函数来学习正则表达式。这两个函数接受一个字符向量和一个正则表达式，并显示出它们是如何匹配的。

3.1　基础匹配

精确匹配字符串：

x

str_view(x, "an")

用”.”任意字符匹配(除了换行符)：

str_view(x, ".a.")

好像是同一个字符串里只匹配一次哦。看banana其实可以匹配到两次

观察细致·洁

需要匹配”.“需要用正则表达式转义:

搜索一个”.”

str_view(c("abc", "a.c", "bef"), "\\.")

中间的反斜杠和“.”连起来表示一个正常的点儿。第一个反斜杠表示匹配。

x

writeLines(x)

#> a\b

str_view(x, "\\\\")

四个反斜杠表示匹配一个普通的反斜杠！

后两个表示一个正常的反斜杠，前两个表示匹配用的正常的反斜杠，啊。

3.3　锚点–以什么开头，或以什么结尾

• ^ 从字符串开头进行匹配。

• $ 从字符串末尾进行匹配。

x

str_view(x, "^a")

str_view(x, "a$")

强制正则表达式匹配一个完整字符串。

x

str_view(x, "apple")

str_view(x, "^apple$")

3.5 字符类与字符选项

符号

意义

\\d

任意数字

\\s

任意空白字符，如空格，制表符和换行符

[abc]

a、b、c

[^abc]

除了a、b、c外的任意字符

|连接两个不同的匹配，用括号使表达更清晰，(类似于加减乘除是否需要加括号，优先级)

str_view(c("grey", "gray"), "gr(e|a)y")

3.7　重复

控制一个模式能匹配多少次

• ?：0 次或1 次。

• +：1 次或多次。

• *：0 次或多次。

x

str_view(x, "CC?")

str_view(x, "CC+")

str_view(x, 'C[LX]+')

注意：这个地方中文书有误，str_view(x, "CC?")匹配到的是两个C，而非三个

精确设置匹配的次数。

• {n}：匹配n 次。

• {n,}：匹配n 次或更多次。

• {,m}：最多匹配m 次。

• {n, m}：匹配n 到m 次。

如果你选的是一个区间，正则表达式会匹配尽量长。在表达式后面加一个？可以改为匹配尽量短。

3.9分组与回溯引用

str_view(fruit, "(..)\\1", match = TRUE)

fruit是个自带的向量，括号表示优先级，\1表示第一组，第一个反斜线表示转义。

(补充：这里看的有点懵，其实就只有一组。如果多组，就是多个括号连写，是带有顺序的，依次表示第1,2,3组)

做了以下尝试：

str_view(fruit, "(..)\\1")，去掉match，只匹配到连续的anan

str_view(fruit, "(.)\\1", match = TRUE)去掉一个点，匹配到了叠字

str_view(fruit, "(.)\\1")去掉match，去掉点，只显示匹配到的所有叠字

微信公众号生信星球同步更新我的文章