1. 字符串基本操作

• nchar(string)：求字符串长度

>data<-"R语言是门艺术" >nchar(data)
[1] 7

• paste(str1,str2,sep)：字符串合并

> data<-"R语言是门艺术"
> data1<-"要用心体会"
> paste(data,data1,sep=",")
[1] "R语言是门艺术,要用心体会"

• strsplit(string,sep)：字符串分割

> data3<-"2017年2月28"
> strsplit(data3,"年")
[[1]]
[1] "2017" "2月28"

• substr(string,start,stop)：读取和替换字符串

> substr(data3,5,5)
[1] "年"
> substr(data3,4,4)<-"6"
> data3
[1] "2016年2月28"

• chartr(old,new,string)：字符串替换

chartr("29","29日",data3) #old不存在，无操作
chartr("28","28日",data3) #超过string长度的字符不替换
chartr("28","2日",data3)

2. 正则表达式

正则表达式：是用来描述、匹配符合某个模式的字符串的“规定”表达式，即描述文本的某种模式的计算机语言

正则表达式由两种字符类型组成：

• 普通字符：包括了所有的大小写英文字母和数字，即所有的英文大小写字母和数字本身就是正则表达式，可用于匹配它们自己
• 元字符：是一类特殊的字符，这些字符在正则表达式中不能用来描述或匹配该字符本身，而是被指定用来表示其他含义

R中的grep、grepl、sub、gsub、regexpr、gregexpr等函数都使用正则表达式的规则进行匹配

#练习：查找一下看有没有do组合的单词
>text<-
c("Don't","aim","for","success","if","you","want","it","just","do","
what","you","love","and","believe","in","and","it","will","come","
naturally")
>#查找含有Do组合的单词
1. D不区分大小写
2. D大写
3. D小写
> grep("[Dd]o",text)#D不区分大小写
[1] 1 10
> grep("[D]o",text)#D大写
[1] 1
> grep("[d]o",text)#D小写
[1] 10

3. 文本文件的读写

R中读取文本文件的主要函数是readLines()和scan()，R会将全部读入的文本保存在一个字符型的向量里

readLines(con = stdin(), n = -1L, ok = TRUE, warn = TRUE,
encoding = "unknown", skipNul = FALSE)

• 参数con是指连接（connection）对象，最常见的就是一个文件
• n为整数，设置读取的最大行数，默认的负值表示读取文件至末尾
• encoding是指读入文本的编码方式

scan(file = "", what = double(), nmax = -1, n = -1, sep = "", quote =
if(identical(sep, "\n")) "" else "'\"", dec = ".", skip = 0, nlines = 0, na.strings ="NA", flush = FALSE, fill = FALSE, strip.white = FALSE, quiet = FALSE,blank.lines.skip = TRUE, multi.line = TRUE, comment.char = "",
allowEscapes = FALSE, fileEncoding = "", encoding = "unknown", text,
skipNul = FALSE)

• 参数file为文件的路径，what为读取数据的类型，如逻辑型、整数型、实数型、复数型、字符型、字节型和列表。scan()函数可以套嵌地使用list()函 数
• 当参数sep = "\n"时，每一行文本作为向量的一个元素读取，当参数为sep = "."时，每一句文本作为向量的一个元素读取，当参数sep为默认值时，每个单词将作为字符向量的一个元素被读取