資源描述：
《r 字符函數(shù) 文本處理》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、R?字符函數(shù)??文本處理(2014-01-1011:54:09)轉(zhuǎn)載▼分類：R文本處理理文本是每一種計算機語言都應該具備的功能，但不是每一種語言都側(cè)重于處理文本。R語言是統(tǒng)計的語言，處理文本不是它的強項，perl語言這方面的功能比R不知要強多少倍。幸運的是R語言的可擴展能力很強，DNA/RNA/AA等生物序列現(xiàn)在已經(jīng)可以使用R來處理。R語言處理文本的能力雖然不強，但適當用用還是可以大幅提高工作效率的，而且有些文本操作還不得不用。高效處理文本少不了正則表達式（regularexpression），雖然R在這方面先天不足，但它處理字符串的絕大多數(shù)函數(shù)還都使用正則表達式。Tableo
2、fContents·1正則表達式簡介·2字符數(shù)統(tǒng)計和字符翻譯o2.1nchar和lengtho2.2tolower，toupper和chartr·3字符串連接o3.1paste函數(shù)·4字符串拆分o4.1strsplit函數(shù)·5字符串查詢：o5.1grep和grepl函數(shù)：o5.2regexpr、gregexpr和regexec·6字符串替換o6.1sub和gsub函數(shù)·7字符串提取o7.1substr和substring函數(shù)·8其他：o8.1strtrim函數(shù)o8.2strwrap函數(shù)o8.3match和charmatch1?正則表達式簡介正則表達式不是R的專屬內(nèi)容，這里只做簡
3、單介紹，更詳細的內(nèi)容請查閱其他文章。正則表達式是用于描述/匹配一個文本集合的表達式：·所有英文字母、數(shù)字和很多可顯示的字符本身就是正則表達式，用于匹配它們自己。比如“a”就是匹配字母“a”的正則表達式·一些特殊的字符在正則表達式中不在用來描述它自身，它們在正則表達式中已經(jīng)被“轉(zhuǎn)義”，這些字符稱為“元字符”。perl類型的正則表達式中被轉(zhuǎn)義的字符有：.
4、()[]{}^$*+?。被轉(zhuǎn)義的字符已經(jīng)有特殊的意義，如點號.表示任意字符；方括號表示選擇方括號中的任意一個（如[a-z]表示任意一個小寫字符）；^放在表達式開始出表示匹配文本開始位置，放在方括號內(nèi)開始處表示非方括號內(nèi)的任一字符
5、；大括號表示前面的字符或表達式的重復次數(shù)；
6、表示可選項，即
7、前后的表達式任選一個。·如果要在正則表達式中表示元字符本身，比如我就要在文本中查找問號“?”，那么就要使用引用符號（或稱換碼符號），一般是反斜杠“”。需要注意的是，在R語言中得用兩個反斜杠即“\”，如要匹配括號就要寫成“\(\)”·不同語言或應用程序（事實上很多規(guī)則都通用）定義了一些特殊的元字符用于表示某類字符，如d表示數(shù)字0-9，D表示非數(shù)字，s表示空白字符（包括空格、制表符、換行符等），S表示非空白字符，w表示字（字母和數(shù)字），W表示非字，<和>分別表示以空白字符開始和結(jié)束的文本?！ふ齽t表達
8、式符號運算順序：圓括號括起來的表達式最優(yōu)先，然后是表示重復次數(shù)的操作（即：*+{}），接下來是連接運算（其實就是幾個字符放在一起，如abc），最后是表示可選項的運算（
9、）。所以“foot
10、bar”可以匹配“foot”或者“bar”，但是“foot
11、ba{2}r”匹配的是“foot”或者“baar”。2?字符數(shù)統(tǒng)計和字符翻譯2.1?nchar和lengthnchar這個函數(shù)簡單，統(tǒng)計向量中每個元素的字符個數(shù)，注意這個函數(shù)和length函數(shù)的差別：nchar是向量元素的字符個數(shù)，而length是向量長度（向量元素的個數(shù)）。其他沒什么需要說的。x<-c("Hellow","World
12、","!")nchar(x)##[1]651length("")##[1]1nchar("")##[1]02.2?tolower，toupper和chartr這三個函數(shù)用法也很簡單：DNA<-"AtGCtttACC"tolower(DNA)##[1]"atgctttacc"toupper(DNA)##[1]"ATGCTTTACC"chartr("Tt","Uu",DNA)##[1]"AuGCuuuACC"chartr("Tt","UU",DNA)##[1]"AUGCUUUACC"3?字符串連接3.1?paste函數(shù)paste應該是R中最常用字符串函數(shù)了，也是R字符串處理函數(shù)里面
13、非常純的不使用正則表達式的函數(shù)（因為用不著）。它相當于其他語言的strjoin，但是功能更強大。它把向量連成字串向量，其他類型的數(shù)據(jù)會轉(zhuǎn)成向量，但不一定是你要的結(jié)果：paste("CK",1:6,sep="")##[1]"CK1""CK2""CK3""CK4""CK5""CK6"x<-list(a="aaa",b="bbb",c="ccc")y<-list(d=1,e=2)paste(x,y,sep="-")#較短的向量被循環(huán)使用##[1]"aaa-1""bbb-2""ccc-1"z<-li
