R数据科学-第十章 使用stringr处理字符串（上）

今天是生信星球陪你的第170天

你想找辆共享单车，发现满街都是别家车，没有一辆你能骑。

你想学点生信，搜了“初学者教程”，满眼尽是高大上，没有一句能看懂。

终于你跨越茫茫宇宙，来到生信星球，发现了初学者的新大陆！

惨兮兮啊！我排版用的那个工具坏掉了！今天这个排版丑哭了。上次我发的168天，由于涉及到了一些财务数据，被我404了。修改后的请看：

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

应该是正确的双引号，然而并不是,用就对了。

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：

2.1字符串长度

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。

处理NA，

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

然后把birthday改成了TRUE试试：

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：

2.3　用str_sub() 函数来提取字符串的一部分

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。

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。

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：

用"."任意字符匹配（除了换行符）：

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"."

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。

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。

强制正则表达式匹配一个完整字符串。

3.5 字符类与字符选项

|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）

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。

精确设置匹配的次数。

• ：匹配n 次。

• ：匹配n 次或更多次。

• {,m}：最多匹配m 次。

• ：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

fruit是个自带的向量，括号表示优先级，\1表示作为一组，第一个反斜线表示转义。

做了以下尝试：

，去掉match，只匹配到连续的anan

去掉一个点，匹配到了叠字

去掉match，去掉点，只显示匹配到的所有叠字

隔壁生信技能树公益视频合辑（学习顺序是linux，r，软件安装，geo，小技巧，ngs组学！）

国内看B站，教学视频链接：https://m.bilibili.com/space/338686099

国外看YouTube，教学视频链接：https://m.youtube.com/channel/UC67sImqK7V8tSWHMG8azIVA/playlists