背景
字符串是引号之间的一段文本。
目前所有仍受支持的 R 版本都用 UTF-8 编码字符串，因此世界上大多数语言都能得到支持。
mystring <- "some text"
mystring
#> [1] "some text"
typeof(mystring)
#> [1] "character"
遗憾的是，这套术语可能会让熟悉其他语言的程序员感到困惑。
尽管它的type是character，但 R 并不区分单个字母（在不少其他语言里叫char，但在 R 中不是）和一长串文本。
两者都是一个单独的元素，用单引号' '或双引号" "括起来都可以。
风格指南建议使用双引号，除非你想在字符串内部使用双引号而不进行转义。
str2 <- 'String with "quotes"' # convenience format
str2
#> [1] "String with \"quotes\"" # standard format
因此，character vector就是由字符串组成的向量，其中每个字符串都是一个单独的元素。
s <- c("some", "strings")
s
#> [1] "some" "strings"
length(s)
#> [1] 2
length(s[1]) # the number of vector elements, not the string length
#> [1] 1
nchar(s[1]) # the number of characters in the string "some"
#> [1] 4
在上面的例子中，length(s[1])等价于length("some")：它给出的是向量元素的个数，而不是字符串长度。
操作单个字符串当然也可以做到，比如上面例子中的nchar()，但这需要一些特定的函数，我们会在下面讨论。
字符串函数
在 base R 中，大多数事情都能做到，但很多程序员觉得它对字符串操作的支持相当有限，而且让人困惑。
幸运的是，tidyverse的包要直观得多，也更灵活、更自洽。
Base R
仍有大量遗留代码在使用旧式字符串函数。
Exercism 上大多数社区解答也是如此。
此外，对于小任务来说，使用内置函数比导入一个庞大的库更实用。
R 赛道的维护者在编写用于验证练习的范例解答时，往往也会采用这种做法。
因此，了解一些旧方法的用法仍然是有价值的。
nchar
返回字符串中字符的个数。
nchar("string")
#> [1] 6
nchar("Hrōðgār") # a person in Beowulf, written in Old English
#> [1] 7
“字符”究竟指什么，这个话题（很复杂！）超出了本文的范围。
只需留意上面例子中的几点：
- 尽管 R 的字符串在内部是用 C 实现的，但它们并不以
\0结尾（否则长度会多 1）。
- 多字节的 Unicode 字符会按照你可能预期（或期望）的方式处理。“Hrōðgār”有 7 个字符（也叫“rune”或“码点”），但存储时需要 10 个字节。
paste 和 paste0
把任意数量的字符串合并成一个字符串。
paste可以选择性地指定分隔符：默认是一个空格。
paste0(v)等价于paste(v, sep = "")。
paste("bits", "of", "a", "string")
#> [1] "bits of a string"
paste0("bits", "of", "a", "string")
#> [1] "bitsofastring"
sprintf
为了更精细地控制字符串的组装，R 从 C 中照搬了sprintf函数（以及若干更晚出现的语言：Wikipedia 列出了大约 30 种）。
r <- 5.3
pi <- 3.14159
sprintf("A circle of radius %.1f has area %.2f", r, pi * r^2)
#> [1] "A circle of radius 5.3 has area 88.25"
trimws
可以用trimws()去掉开头和/或结尾的空白字符：
s <- " messy string "
trimws(s)
#> [1] "messy string"
还有一个which = "left"（或 "right"）形参，用来避免同时修剪两端。
substr
作用于单个字符串，返回两个边界（含边界）之间的子串。
substr("Exercism", 5, 7)
#> [1] "cis"
strsplit
根据分隔字符串，把一个字符串拆分成 R 的列表。
分隔符是必需的（没有默认值），但可以是空字符串。
strsplit("R, Python, Julia", ", ")
[[1]]
#> [1] "R" "Python" "Julia"
strsplit("Exercism", "")
[[1]]
#> [1] "E" "x" "e" "r" "c" "i" "s" "m"
列表会在单独的概念中介绍。
如果你还没学到教学大纲的那一部分，现在只需知道unlist()函数（在这个例子里）会把列表转换成向量。
unlist(strsplit("Exercism", ""))
#> [1] "E" "x" "e" "r" "c" "i" "s" "m"
Tidyverse
客气地说，旧式字符串函数并不是 R 能提供的最好的东西（也有不那么客气的看法）。
为了改善这种情况，stringr库从 2009 年起就在持续开发，如今已是 Tidyverse 集合中的重要组成部分。
用library(stringr)或library(tidyverse)把它导入你的命名空间。
一些关键功能包括：
- 所有函数名都带
str_前缀，并力求让用途一目了然。
- 实参的顺序力求自洽，把输入数据作为第一个实参。
- 输入可以简单到一个字符串，也可以复杂到复杂的数据结构。函数会尽量适应，并做出最合理的处理。
和所有 Tidyverse 包一样，stringr有完善的文档，通常由包的作者亲自撰写。
插曲：管道快速入门
用管道|>连接函数的用法，会在教学大纲的其他部分详细讨论。
现在，知道以下几点会很有帮助：
- 管道左侧的结果会成为右侧函数的第一个实参（这里的“右侧”会忽略可选的换行）。
- 其余实参可以一并写在函数调用中。
- 在 R 中，我们必须把管道接到函数的调用上，而不仅仅是名字上，所以括号总是必需的（这一点和其他一些语言不同）。
下面的例子演示了这种语法。
各个函数会在后面讨论。
library(stringr)
"Monday-25-February" |>
str_split("-") |>
unlist() |> # [1] "Monday" "25" "February"
str_sub(1, 3) |> # [1] "Mon" "25" "Feb"
str_to_upper() |> # [1] "MON" "25" "FEB"
str_flatten(collapse = ", ")
#> [1] "MON, 25, FEB"
管理长度
str_length统计码点个数（类似于nchars）。
还有其他各种处理空白字符的函数，包括str_trim()和str_squish()。
在任何一个数据科学项目的开头，这往往都是一项至关重要的清理工作。
# The first 3 kernels in JuPyteR notebooks:
str_length(c("Julia", "Python", "R")) #> [1] 1 6 5
#> [1] 5 6 1
str_pad(c("Julia", "Python", "R"), 8, "right") # add spaces if necessary
#> [1] "Julia " "Python " "R "
str_trim("Julia Python R ") # remove leading & trailing whitespace
#> [1] "Julia Python R"
str_squish("Julia Python R ") # trim, collapse multiple spaces
#> [1] "Julia Python R"
截取子串
函数str_sub(string, start, end)会返回从start到end（含两端）的子串，而str_sub_all()可以作用于多个字符串。
这里非常灵活。
start和end默认分别是第一个和最后一个字符。
它们可以是下标的向量。
和向量索引相比，这里有一点很讨喜：负值会像 Python 那样从字符串末尾往回数。
s <- "abcdefgh"
str_sub(s, 2, 4)
#> [1] "bcd"
str_sub(s, 5)
#> [1] "efgh"
str_sub(s, -3, -2)
#> [1] "fg"
str_sub(s, c(1, 4), c(2, 5))
#> [1] "ab" "de"
str_sub(s, c(1, 4, 6), c(2, 5, -1))
#> [1] "ab" "de" "fgh"
s |> str_sub(2, 4) # these functions are designed for pipes
#> [1] "bcd"
合并字符串
str_flatten把一个字符向量转换成一个字符串。
collapse实参会被插入到每个元素之间，默认是""。
c("R", "Julia", "Python") |> str_flatten()
#> [1] "RJuliaPython"
c("R", "Julia", "Python") |> str_flatten(collapse = " - ")
#> [1] "R - Julia - Python"
str_c把多个字符向量转换成一个字符向量，必要时会进行循环补齐。
str_c(LETTERS[1:8], 1:8, sep = ":")
#> [1] "A:1" "B:2" "C:3" "D:4" "E:5" "F:6" "G:7" "H:8"
str_glue为 R 带来了简单的字符串插值。
大括号{ }里的表达式会被求值，并替换为其文本表示。
r <- 5.3
pi <- 3.14159
str_glue("A circle of radius {r} has area {pi * r^2}")
A circle of radius 5.3 has area 88.2472631
拆分字符串
R 的一个非常常见的用途，是把杂乱的数据整理成一致的格式以便分析。
为了帮助做到这一点，有多种把文本拆分成子串的方法。
大多数都超出了当前的范围。
str_split_1是最简单的，它按照指定的模式（没有默认模式）把单个字符串拆分成由若干片段组成的向量。
s <- "R Julia Python"
str_split_1(s, " ")
#> [1] "R" "Julia" "Python"
修改字符串
有些语言（主要是欧洲语言）区分大写和小写字母。
有一组stringr函数可以按符合区域设置的方式在两者之间转换：
str_to_lower()str_to_upper()-
str_to_title()：把每个单词的首字母变成大写
-
str_to_sentence()：把句子的首字母变成大写
str_to_upper("elixir") # defaults to locale = "en"
#> [1] "ELIXIR"
str_to_upper("ελληνικά") # infers Greek
#> [1] "ΕΛΛΗΝΙΚΆ"
str_to_title("the cat sat on the mat")
#> [1] "The Cat Sat On The Mat"
str_to_sentence("the cat sat on the mat")
#> [1] "The cat sat on the mat"
基于模式匹配进行子串替换时，str_replace()会替换模式的第一次出现，str_replace_all()会替换所有出现。
基于字符下标进行子串替换时，有一种 str_sub() 的赋值形式。
s <- "abcde"
str_sub(s, 3, 4) <- "yz"
s
#> [1] "abyze"
学习练习
