字符串在平常的数据处理中经常用到，需要对其进行分割、连接、转换等操作，灵活的字符串处理，可以有效地提高代码的编写效率。
stringr包一共提供了30个函数，方便我们对字符串处理。常用的字符串处理以str_开头来命名，方便更直观理解函数的定义。
1、字符串拼接函数
str_c：字符串拼接，同paste和paste0
str_join: 字符串拼接，同str_c
str_trim: 去掉字符串的空格和TAB(\t)
str_pad: 补充字符串的长度
str_dup: 复制字符串
str_wrap: 控制字符串输出格式
str_sub: 截取字符串
str_sub <- ：截取字符串，并赋值，同str_sub
2、字符串计算函数
str_count：字符串计数
str_length：字符串长度
str_sort: 字符串值排序
str_order：字符串索引排序，规则同str_sort
3、字符串匹配函数
str_split: 字符串分割
str_split_fixed：字符串分割，同str_split
str_subset：返回匹配的整个字符串
word：从文本中提取单词
str_detect：检查匹配字符串的字符，返回TRUE或FALSE
str_match：从字符串中提取匹配组，返回结果为list
str_match_all：从字符串中提取匹配组，同str_match，但返回结果为matrix
str_replace：字符串替换，只替换第一个出现的匹配
str_replace_all：字符串替换，同str_replace，替换所有匹配
str_replace_na：把NA替换为其他任意字符串
str_locate：找到第一个匹配的字符串的位置
str_locate_all：找到所有匹配的字符串的位置，以matrix返回
str_extract：从字符串中提取匹配字符，返回list
str_extract_all：从字符串中提取匹配字符，同str_extract，返回matrix
4、字符串变换函数
str_conv：字符编码转换
str_to_upper：字符串转成大写
str_to_lower：字符串转成小写，规则同str_to_upper
str_to_title：字符串转成首字母大写，规则同str_to_upper
参数控制函数，仅用于构造功能的参数，不能独立使用
boundary：定义使用边界
coll：定义字符串标准排序规则。
fixed：定义用于匹配的字符，包括正则表达式中的转义符
regex：定义正则表达式
1、字符串拼接函数
（1）str_c，字符串拼接操作
与str_join完全相同，与paste()行为不完全一致。
函数定义：
str_c(..., sep = "", collapse = NULL)
str_join(..., sep = "", collapse = NULL)
参数列表：
…: 多参数的输入
sep: 把多个字符串拼接为一个大的字符串，用于字符串的分割符
collapse: 把多个向量参数拼接为一个大的字符串，用于字符串的分割符。
library(pacman)
p_load(stringr)
#把多个字符串拼接为一个大的字符串
a <- "白日依山尽，"
b <- "黄河入海流。"
c <- "欲穷千里目，"
d <- "更上一层楼。"
str_c(a, b)
## [1] "白日依山尽，黄河入海流。"
ab <- str_c(a, b, sep='-');ab
## [1] "白日依山尽，-黄河入海流。"
str_c(c(a, b),c(c, d),sep='-')
## [1] "白日依山尽，-欲穷千里目，" "黄河入海流。-更上一层楼。"
#把多个向量参数拼接为一个大的字符串
str_c(head(letters), collapse = "")
## [1] "abcdef"
str_c(head(letters), collapse = ", ")
## [1] "a, b, c, d, e, f"
# collapse参数，对多个字符串无效
str_c(a, b, collapse = "-")
## [1] "白日依山尽，黄河入海流。"
str_c(c(a, c),c(b,d),collapse='-')
## [1] "白日依山尽，黄河入海流。-欲穷千里目，更上一层楼。"
#拼接有NA值的字符串向量时，NA还是NA
str_c(c(a, NA, b), c)
## [1] "白日依山尽，欲穷千里目，" NA "黄河入海流。欲穷千里目，"
（2）str_c()与paste()函数对比
paste与paste0的区别：paste()的函数sep默认为空格" "，paste0()函数sep默认为无""。
# 多字符串拼接，默认的sep参数行为不一致
str_c(a, b)
## [1] "白日依山尽，黄河入海流。"
paste(a, b)
## [1] "白日依山尽， 黄河入海流。"
# 向量拼接字符串，collapse参数的行为一致
str_c(head(letters), collapse = "")
## [1] "abcdef"
paste(head(letters), collapse = "")
## [1] "abcdef"
#拼接有NA值的字符串向量，对NA的处理行为不一致
str_c(c(a, NA, b), c)
## [1] "白日依山尽，欲穷千里目，" NA "黄河入海流。欲穷千里目，"
paste(c(a, NA, b), c)
## [1] "白日依山尽， 欲穷千里目，" "NA 欲穷千里目，" "黄河入海流。 欲穷千里目，"
（3）str_trim，去掉字符串的空格和TAB(\t)
函数定义：
str_trim(string, side = c("both", "left", "right"))
参数列表：
string: 字符串，字符串向量
side: 过滤方式，both两边都过滤，left左边过滤，right右边过滤
#只过滤左边的空格
str_trim(" left space\t\n",side='left')
## [1] "left space\t\n"
#只过滤右边的空格
str_trim(" left space\t\n",side='right')
## [1] " left space"
#过滤两边的空格
str_trim(" left space\t\n",side='both')
## [1] "left space"
#过滤两边的空格
str_trim("\nno space\n\t")
## [1] "no space"
（4）str_pad，补充字符串的长度
函数定义：
str_pad(string, width, side = c("left", "right", "both"), pad = " ")
参数列表：
string: 字符串，字符串向量
width: 字符串填充后的长度
side: 填充方向，both两边都填充，left左边填充，right右边填充
pad: 用于填充的字符
# 从左边补充空格，直到字符串长度为20
str_pad(a, 20, "left")
## [1] " 白日依山尽，"
# 从右边补充空格，直到字符串长度为20
str_pad(b, 20, "right")
## [1] "黄河入海流。 "
# 从左右两边各补充空格，直到字符串长度为20
str_pad(c, 20, "both")
## [1] " 欲穷千里目， "
# 从左右两边各补充x字符，直到字符串长度为20
str_pad(d, 20, "both",'*')
## [1] "****更上一层楼。****"
（5）str_dup，复制字符串
函数定义：
str_dup(string, times)
参数列表：
string: 字符串，字符串向量。
times: 复制数量
val <- c(a, 123, b)
# 复制2次
str_dup(val, 2)
## [1] "白日依山尽，白日依山尽，" "123123" "黄河入海流。黄河入海流。"
# 按位置复制
str_dup(val, 1:length(val))
## [1] "白日依山尽，" "123123"
## [3] "黄河入海流。黄河入海流。黄河入海流。"
（6）str_wrap，控制字符串输出格式
函数定义：
str_wrap(string, width = 80, indent = 0, exdent = 0)
参数列表：
string: 字符串，字符串向量
width: 设置一行所占的宽度
indent: 段落首行的缩进值
exdent: 段落非首行的缩进值
txt <- 'R语言作为统计学一门语言，一直在小众领域闪耀着光芒。直到大数据的爆发，R语言变成了一门炙手可热的数据分析的利器。
随着越来越多的工程背景的人的加入，R语言的社区在迅速扩大成长。现在已不仅仅是统计领域，教育，银行，电商，互联网….都在使用R语言。'
# 设置宽度为40个字符
cat(str_wrap(txt, width = 40), "\n")
## R语言作为统计学一门语言，一直在小众领域
## 闪耀着光芒。直到大数据的爆发，R语言变成
## 了一门炙手可热的数据分析的利器。随着越来
## 越多的工程背景的人的加入，R语言的社区在
## 迅速扩大成长。现在已不仅仅是统计领域，教
## 育，银行，电商，互联网….都在使用R语言。
# 设置宽度为60字符，首行缩进2字符
cat(str_wrap(txt, width = 60, indent = 2), "\n")
## R语言作为统计学一门语言，一直在小众领域闪耀着光芒。直到大数
## 据的爆发，R语言变成了一门炙手可热的数据分析的利器。随着越来
## 越多的工程背景的人的加入，R语言的社区在迅速扩大成长。现在已
## 不仅仅是统计领域，教育，银行，电商，互联网….都在使用R语言。
# 设置宽度为10字符，非首行缩进4字符
cat(str_wrap(txt, width = 10, exdent = 4), "\n")
## R语言作为
## 统计学一
## 门语言，
## 一直在小
## 众领域闪
## 耀着光芒。
## 直到大数据
## 的爆发，R
## 语言变成了
## 一门炙手可
## 热的数据分
## 析的利器。
## 随着越来
## 越多的工程
## 背景的人的
## 加入，R语
## 言的社区在
## 迅速扩大成
## 长。现在已
## 不仅仅是统
## 计领域，教
## 育，银行，
## 电商，互联
## 网….都在使
## 用R语言。
（7）str_sub，截取字符串
函数定义：
str_sub(string, start = 1L, end = -1L)
参数列表：
string: 字符串，字符串向量。
start : 开始位置
end : 结束位置
txt <- str_c(a,b,c,d)
# 截取1-4的索引位置的字符串
str_sub(txt, 1, 4)
## [1] "白日依山"
# 截取1-6的索引位置的字符串
str_sub(txt, end=6)
## [1] "白日依山尽，"
# 截取第6到结束的索引位置的字符串
str_sub(txt, 6)
## [1] "，黄河入海流。欲穷千里目，更上一层楼。"
# 分2段截取字符串，1-6，4-8
str_sub(txt, c(1, 4), c(6, 8))
## [1] "白日依山尽，" "山尽，黄河"
# 通过负坐标截取字符串
str_sub(txt, -3)
## [1] "层楼。"
str_sub(txt, end = -3)
## [1] "白日依山尽，黄河入海流。欲穷千里目，更上一层"
#对截取的字符串进行赋值
x <- "AAABBBCCC"
# 在字符串1到1的位置赋值为1
str_sub(x, 1, 1) <- 1; x
## [1] "1AABBBCCC"
# 在字符串从2到-2的位置赋值为2345
str_sub(x, 2, -2) <- "2345"; x
## [1] "12345C"
2、字符串计算函数
（1）str_count, 字符串计数
函数定义：
str_count(string, pattern = "")
参数列表：
string: 字符串，字符串向量
pattern: 匹配的字符
#对字符串中匹配的字符计数
str_count('aaa444sssddd', "a")
## [1] 3
fruit <- c("apple", "banana", "pear", "pineapple")
str_count(fruit, "a")
## [1] 1 3 1 1
str_count(fruit, "p")
## [1] 2 0 1 3
#对字符串中的'.'字符计数，由于.是正则表达式的匹配符，代表任意字符，所以直接判断计数的结果是不对的。此时相当于str_length()函数
str_count(c("a.", ".", ".a.",NA), ".")
## [1] 2 1 3 NA
# 用fixed匹配字符
str_count(c("a.", ".", ".a.",NA), fixed("."))
## [1] 1 1 2 NA
# 用\\匹配字符
str_count(c("a.", ".", ".a.",NA), "\\.")
## [1] 1 1 2 NA
（2）str_length，字符串长度
函数定义：
str_length(string)
参数列表：
string: 字符串，字符串向量
#计算字符串的长度:
str_length(c("I", "am", "王菲", NA))
## [1] 1 2 2 NA
（3）str_sort，字符串值排序，同str_order索引排序
函数定义：
str_sort(x, decreasing = FALSE, na_last = TRUE, locale = "", ...)
str_order(x, decreasing = FALSE, na_last = TRUE, locale = "", ...)
参数列表：
x: 字符串，字符串向量
decreasing: 排序方向
na_last: NA值的存放位置，一共3个值，TRUE放到最后，FALSE放到最前，NA过滤处理
locale: 按哪种语言习惯排序
# 对字符串值进行排序
# 按ASCII字母排序
str_sort(c('a',1,2,'11'), locale = "en")
## [1] "1" "11" "2" "a"
# 倒序排序
str_sort(letters,decreasing=TRUE)
## [1] "z" "y" "x" "w" "v" "u" "t" "s" "r" "q" "p" "o" "n" "m" "l" "k" "j" "i" "h" "g" "f" "e" "d" "c"
## [25] "b" "a"
# 按拼音排序
str_sort(c('你','好','啊','我','的','朋','友'),locale = "zh")
## [1] "啊" "的" "好" "你" "朋" "我" "友"
#对NA值的排序处理
#把NA放最后面
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、字符串匹配函数
（1）str_split，字符串分割，同str_split_fixed
函数定义：
str_split(string, pattern, n = Inf)
str_split_fixed(string, pattern, n)
参数列表：
string: 字符串，字符串向量
pattern: 匹配的字符
n: 分割个数
#对字符串进行分割
val <- "abc,123,234,iuuu"
# 以,进行分割
s1 <- str_split(val, ",");s1
## [[1]]
## [1] "abc" "123" "234" "iuuu"
# 以,进行分割，保留2块
s2<-str_split(val, ",", 2);s2
## [[1]]
## [1] "abc" "123,234,iuuu"
# 查看str_split()函数操作的结果类型list
class(s1)
## [1] "list"
# 用str_split_fixed()函数分割，结果类型是matrix
s3<-str_split_fixed(val, ",",2);s3
## [,1] [,2]
## [1,] "abc" "123,234,iuuu"
class(s3)
## [1] "matrix"
（2）str_subset，返回匹配的字符串
函数定义：
str_subset(string, pattern)
参数列表：
string: 字符串，字符串向量
pattern: 匹配的字符
val <- c("abc", 123, "cba")
# 全文匹配
str_subset(val, "a")
## [1] "abc" "cba"
# 开头匹配
str_subset(val, "^a")
## [1] "abc"
# 结尾匹配
str_subset(val, "a$")
## [1] "cba"
（3）word，从文本中提取单词
函数定义：
word(string, start = 1L, end = start, sep = fixed(" "))
参数列表：
string: 字符串，字符串向量
start: 开始位置
end: 结束位置
sep: 匹配字符
val <- c("I am QQ.", "http://www.qq.com, ok")
# 默认以空格分割，取第一个位置的字符串
word(val, 1)
## [1] "I" "http://www.qq.com,"
# 默认以空格分割，取最后一个位置的字符串
word(val, -1)
## [1] "QQ." "ok"
word(val, 2, -1)
## [1] "am QQ." "ok"
# 以,分割，取第一个位置的字符串
val<-'111,222,333,444'
word(val, 1, sep = fixed(','))
## [1] "111"
word(val, 3, sep = fixed(','))
## [1] "333"
（4）str_detect，匹配字符串的字符
注意与str_match的区别。
函数定义：
str_detect(string, pattern)
参数列表：
string: 字符串，字符串向量
pattern: 匹配字符
val <- c("abca4", 123, "cba2")
# 检查字符串向量，是否包括a
str_detect(val, "a")
## [1] TRUE FALSE TRUE
# 检查字符串向量，是否以a为开头
str_detect(val, "^a")
## [1] TRUE FALSE FALSE
# 检查字符串向量，是否以a为结尾
str_detect(val, "a$")
## [1] FALSE FALSE FALSE
（5）str_match，从字符串中提取匹配组
注意和str_subset()函数的区别。
函数定义：
str_match(string, pattern)
str_match_all(string, pattern)
参数列表：
string: 字符串，字符串向量
pattern: 匹配字符
#从字符串中提取匹配组
val <- c("abc", 123, "cba")
# 匹配字符a，并返回对应的字符
str_match(val, "a")
## [,1]
## [1,] "a"
## [2,] NA
## [3,] "a"
# 匹配字符0-9，限1个，并返回对应的字符
str_match(val, "[0-9]")
## [,1]
## [1,] NA
## [2,] "1"
## [3,] NA
# 匹配字符0-9，不限数量，并返回对应的字符
str_match(val, "[0-9]*")
## [,1]
## [1,] ""
## [2,] "123"
## [3,] ""
#从字符串中提取匹配组，以字符串matrix格式返回
str_match_all(val, "a")
## [[1]]
## [,1]
## [1,] "a"
##
## [[2]]
## [,1]
##
## [[3]]
## [,1]
## [1,] "a"
str_match_all(val, "[0-9]")
## [[1]]
## [,1]
##
## [[2]]
## [,1]
## [1,] "1"
## [2,] "2"
## [3,] "3"
##
## [[3]]
## [,1]
（6）str_replace，字符串替换
函数定义：
str_replace(string, pattern, replacement)
参数列表：
string: 字符串，字符串向量
pattern: 匹配字符
replacement: 用于替换的字符
val <- c("abc", 123, "cba")
# 把目标字符串第一个出现的a或b，替换为-
str_replace(val, "[ab]", "-")
## [1] "-bc" "123" "c-a"
# 把目标字符串所有出现的a或b，替换为-
str_replace_all(val, "[ab]", "-")
## [1] "--c" "123" "c--"
# 把目标字符串所有出现的a，替换为被转义的字符
str_replace_all(val, "[a]", "\1\1")
## [1] "\001\001bc" "123" "cb\001\001"
（7）str_replace_na，把NA替换为任意字符串
函数定义：
str_replace_na(string, replacement = "NA")
参数列表：
string: 字符串，字符串向量。
replacement : 用于替换的字符。
#把NA替换为字符串
str_replace_na(c(NA,'NA',"abc"),'x')
## [1] "x" "NA" "abc"
（8）str_locate，找到模式在字符串中的位置
函数定义：
str_locate(string, pattern)
str_locate_all(string, pattern)
参数列表：
string: 字符串，字符串向量
pattern: 匹配字符
val <- c("abca", 123, "cba")
# 匹配a在字符串中的位置
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
# 以字符串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字符，以字符串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
（9）str_extract，从字符串中提取匹配模式的字符
函数定义：
str_extract(string, pattern)
str_extract_all(string, pattern, simplify = FALSE)
参数列表：
string: 字符串，字符串向量
pattern: 匹配字符
simplify: 返回值，TRUE返回matrix，FALSE返回字符串向量
val <- c("abca4", 123, "cba2")
# 返回匹配的数字
str_extract(val, "\\d")
## [1] "4" "1" "2"
# 返回匹配的字符
str_extract(val, "[a-z]+")
## [1] "abca" NA "cba"
str_extract_all(val, "\\d")
## [[1]]
## [1] "4"
##
## [[2]]
## [1] "1" "2" "3"
##
## [[3]]
## [1] "2"
str_extract_all(val, "[a-z]+")
## [[1]]
## [1] "abca"
##
## [[2]]
## character(0)
##
## [[3]]
## [1] "cba"
4、字符串变换函数
（1）str_conv，字符编码转换
函数定义：
str_conv(string, encoding)
参数列表：
string: 字符串，字符串向量
encoding: 编码名
# 对中文进行转码处理
# 把中文字符字节化
x <- charToRaw('你好');x
## [1] c4 e3 ba c3
# 默认win系统字符集为GBK，GB2312为GBK字集，转码正常
str_conv(x, "GBK")
## [1] "你好"
str_conv(x, "GB2312")
## [1] "你好"
# 转UTF-8失败
str_conv(x, "UTF-8")
## Warning in stri_conv(string, encoding, "UTF-8"): input data \xffffffc4 in the current source encoding
## could not be converted to Unicode
## Warning in stri_conv(string, encoding, "UTF-8"): input data \xffffffe3\xffffffba in the current
## source encoding could not be converted to Unicode
## Warning in stri_conv(string, encoding, "UTF-8"): input data \xffffffc3 in the current source encoding
## could not be converted to Unicode
## [1] "<U+FFFD><U+FFFD><U+FFFD>"
#把unicode转UTF-8
x1 <- "\u5317\u4eac"
str_conv(x1, "UTF-8")
## [1] "北京"
（2）str_to_upper，字符串大写转换
函数定义：
str_to_upper(string, locale = "")
参数列表：
string: 字符串
locale:按哪种语言习惯排序
#字符串大写转换
val <- "I am KG. Welcome to my blog! http://kg.me"
# 全大写
str_to_upper(val)
## [1] "I AM KG. WELCOME TO MY BLOG! HTTP://KG.ME"
（3）str_to_lower，字符串小写转换
函数定义：
str_to_lower(string, locale = "")
参数列表：
string: 字符串
locale:按哪种语言习惯排序
# 全小写
str_to_lower(val)
## [1] "i am kg. welcome to my blog! http://kg.me"
（4）str_to_title，字符串首字母大写转换
函数定义：
str_to_title(string, locale = "")
参数列表：
string: 字符串
locale:按哪种语言习惯排序
# 首字母大写
str_to_title(val)
## [1] "I Am Kg. Welcome To My Blog! Http://Kg.me"
