背景
字串是引號之間的一段文字。
目前任何受支援的 R 版本都會以 UTF-8 編碼字串，因此世上大多數語言都能獲得支援。
mystring <- "some text"
mystring
#> [1] "some text"
typeof(mystring)
#> [1] "character"
可惜的是，對熟悉其他語言的程式設計師來說，這套術語可能會造成混淆。
雖然type是character，但 R 並不會區分單一字母（在其他幾種語言裡稱為char，但在 R 裡_不是_）和長字串。
兩者都是單一項目，而且可以互換地放在單引號' '或雙引號" "裡。
風格指南建議使用雙引號，但如果你想在字串內使用雙引號而不將它們跳脫時，則是例外。
str2 <- 'String with "quotes"' # convenience format
str2
#> [1] "String with \"quotes\"" # standard format
因此，character vector就是由字串組成的向量，每個字串都是單一元素。
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])等同於length("some")：它算的是_向量元素_的數量，而不是_字串長度_。
操作單一字串顯然是可行的，就像上面例子中的nchar()一樣，但需要一些特定的函式，這些會在下面討論。
字串函式
在 base R 裡，大多數事情都_做得到_，但許多程式設計師會覺得字串操作的支援相當有限又令人困惑。
幸運的是，有tidyverse套件，直覺、有彈性又自我一致得多。
base R
仍有大量舊有程式碼使用舊式字串函式。
這包括 Exercism 上大多數社群解法。
此外，對於小型任務，使用內建函式而不是匯入大型套件可能更方便。
R 軌道的維護者在撰寫範例解法來驗證練習時，往往採用這種做法。
因此，了解一些舊做法仍然值得學習。
nchar
回傳字串中的字元數。
nchar("string")
#> [1] 6
nchar("Hrōðgār") # a person in Beowulf, written in Old English
#> [1] 7
「字元」究竟代表什麼意思，這個（複雜！）主題超出了我們的範圍。
只要留意上面例子中的幾點就好：
- 雖然內部是以 C 實作，但 R 的字串並不是以
\0結尾（那樣會讓長度加 1）。
- 多位元組的 Unicode 字元會如你所預期或希望的那樣處理。「Hrōðgār」有 7 個字元（也稱為「runes」或「code points」），但需要 10 個位元組來儲存。
paste 和 paste0
將任意數量的字串合併成單一字串。
paste可以選擇性地指定分隔符號：預設是空格。
paste0(v)等同於paste(v, sep = "")。
paste("bits", "of", "a", "string")
#> [1] "bits of a string"
paste0("bits", "of", "a", "string")
#> [1] "bitsofastring"
sprintf
為了更精細地控制字串的組合，R 從 C 複製了sprintf函式（以及幾種後續的語言：Wikipedia 列出了大約 30 種）。
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
開頭和／或結尾的空白可以用trimws()移除：
s <- " messy string "
trimws(s)
#> [1] "messy string"
有個which = "left"（或 "right"）參數可以避免同時修剪兩端。
substr
作用於單一字串，並回傳兩個（含端點）界限之間的子字串。
substr("Exercism", 5, 7)
#> [1] "cis"
strsplit
依照分隔符號字串，把字串分割成一個 R 陣列。
分隔符號是必填的（沒有預設值），但可以是空字串。
strsplit("R, Python, Julia", ", ")
[[1]]
#> [1] "R" "Python" "Julia"
strsplit("Exercism", "")
[[1]]
#> [1] "E" "x" "e" "r" "c" "i" "s" "m"
陣列會在另一篇 概念 中介紹。
如果你還沒讀到課程大綱的那個部分，現在只要知道unlist()函式（在這個情況裡）會把陣列轉換成向量就好。
unlist(strsplit("Exercism", ""))
#> [1] "E" "x" "e" "r" "c" "i" "s" "m"
Tidyverse
寬容一點來說，我們可以說舊式字串函式並不是 R 能提供的最好東西（比較不寬容的看法也是有的）。
為了改善這個情況，stringr套件自 2009 年以來持續開發，如今是 Tidyverse 集合的重要一員。
用library(stringr)或library(tidyverse)將它匯入你的命名空間。
一些主要功能包括：
- 所有函式名稱都有
str_前綴，並力求讓用途清楚。
- 引數的順序力求自我一致，把輸入資料當作第一個引數。
- 輸入可以是單一字串，也可以是複雜的資料結構。函式會盡量配合，做出最合理的處理。
和所有 Tidyverse 套件一樣，stringr有良好的說明文件，通常由套件作者撰寫。
岔題：管線快速入門
使用管線|>來串接函式的做法，會在課程大綱的其他部分更詳細地討論。
現在只要知道以下幾點就很有幫助：
- 管線左邊的結果會成為右邊函式的第一個引數（這裡的「右邊」會忽略可有可無的換行）。
- 其餘的引數可以一併放進函式呼叫裡。
- 在 R 裡，我們一定要把管線接到函式_呼叫_，而不只是_名稱_，所以括號一律是必要的（這點和其他一些語言不同）。
下面的例子示範了這個語法。
個別的函式之後會再討論。
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"
管理長度
str_length會計算碼點（類似nchars）。
還有各種其他函式會處理空白，包括str_trim()和str_squish()。
這通常是任何資料科學專案開始時的重要清理工作。
# 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"
取字串子集
str_sub(string, start, end)函式會回傳從start到end（含端點）的子字串，而str_sub_all()可以作用於多個字串。
它非常有彈性。
start和end分別預設為第一個和最後一個字元。
它們可以是索引的向量。
和向量索引比起來，令人樂見的是，負數會從字串尾端往回數，就像 Python 那樣。
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"
串接字串
str_flatten會把字元向量轉換成單一字串。
collapse引數會插入每個元素之間，預設為""。
c("R", "Julia", "Python") |> str_flatten()
#> [1] "RJuliaPython"
c("R", "Julia", "Python") |> str_flatten(collapse = " - ")
#> [1] "R - Julia - Python"
str_c會把多個字元向量轉換成單一的字元向量，並視需要重複使用元素。
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為 R 帶來簡單的字串插值。
大括號{ }內的運算式會被解讀，並替換成文字表示。
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
分割字串
R 一個很常見的用途，就是把雜亂的資料整理成一致的格式以便分析。
為了幫助做到這點，有幾種把文字分割成子字串的方法。
大多超出了目前的範圍。
str_split_1最簡單，它會把單一字串轉換成片段組成的向量，並在某個指定的模式處分割（沒有預設模式）。
s <- "R Julia Python"
str_split_1(s, " ")
#> [1] "R" "Julia" "Python"
變更字串
有些語言（主要是歐洲語言）會區分大寫和小寫字母。
有一組stringr函式可以依地區設定的方式，在大寫和小寫之間互相轉換：
str_to_lower()str_to_upper()-
str_to_title()：每個單字的第一個字母轉為大寫
-
str_to_sentence()：句子的第一個字母轉為大寫
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"
若要根據模式比對來替換子字串，str_replace()會改變模式第一次出現的地方，str_replace_all()則會改變所有出現的地方。
若要根據字元索引來替換子字串，str_sub() 有一種賦值形式。
s <- "abcde"
str_sub(s, 3, 4) <- "yz"
s
#> [1] "abyze"
學習練習
