正則表達(dá)式及R字符串處理之終結(jié)版

gearss 2018-04-25

展開(kāi)全文

在前一篇關(guān)于正則表達(dá)式和字符處理函數(shù)總結(jié)的博客的基礎(chǔ)上，歷時(shí)一周，我翻閱了更多的資料，進(jìn)行修改和增加了一些實(shí)例演示和案例講解，組成這一篇RClub的講座課件。本著知識(shí)共享、完全開(kāi)源的精神，在此奉獻(xiàn)給大家。

0.動(dòng)機(jī)：為什么學(xué)習(xí)字符串處理

傳統(tǒng)的統(tǒng)計(jì)學(xué)教育幾乎沒(méi)有告訴過(guò)我們，如何進(jìn)行文本的統(tǒng)計(jì)建模分析。然而，我們?nèi)粘Ｉ钪薪佑|到的大部分?jǐn)?shù)據(jù)都是以文本的形式存在。文本分析與挖掘在業(yè)界中也有著非常廣泛的應(yīng)用。

由于文本數(shù)據(jù)大多屬于非結(jié)構(gòu)化的數(shù)據(jù)，要想對(duì)文本數(shù)據(jù)進(jìn)行傳統(tǒng)的統(tǒng)計(jì)模型分析，必須要經(jīng)過(guò)層層的數(shù)據(jù)清洗與整理。

今天我們要介紹的『正則表達(dá)式及R字符串處理』就是用來(lái)干這一種臟活累活的。

與建立酷炫的模型比起來(lái)，數(shù)據(jù)的清洗與整理似乎是一種低檔次的工作。如果把建立模型類(lèi)比于高級(jí)廚師的工作，那么，數(shù)據(jù)清洗無(wú)疑是類(lèi)似切菜洗碗打掃衛(wèi)生的活兒。然而想要成為資深的『數(shù)據(jù)玩家』，這種看似低檔次的工作是必不可少的，并且，這種工作極有可能將占據(jù)你整個(gè)建模流程的80%的時(shí)間。

如果我們能夠掌握高效的數(shù)據(jù)清洗工具，那么我們將擁有更多的時(shí)間來(lái)進(jìn)行模型選擇和參數(shù)調(diào)整，使得我們的模型更加合理有效。

此外，對(duì)于不需要進(jìn)行文本建模分析的同學(xué)，掌握文本處理的工具也將對(duì)減輕你的工作負(fù)擔(dān)大有益處。下面，我舉幾個(gè)我自身經(jīng)歷的『文本處理工具讓生活更美好』的例子：

R輔助郵件查閱及核對(duì)：R字符串處理應(yīng)用之郵件考勤自動(dòng)化
R輔助SAS處理大量數(shù)據(jù)：深入理解SAS之批量數(shù)據(jù)導(dǎo)入
R爬蟲(chóng)獲取研究數(shù)據(jù)：這個(gè)將在后續(xù)的講座作為一個(gè)專(zhuān)題進(jìn)行介紹。

可見(jiàn)，我們可以用到文本處理工具的場(chǎng)景還是非常多的，如批量文件名修改、批量字符替換、大量郵件或html文件處理等。

下面，我將通過(guò)一個(gè)例子，展示R字符串處理的大致功能。接著，介紹正則表達(dá)式的基礎(chǔ)概念。然后，介紹R字符串處理中一個(gè)非常好用的拓展包stringr，并接著介紹一些文件編碼處理相關(guān)的函數(shù)。最后，通過(guò)一兩個(gè)案例展示字符串處理的真實(shí)應(yīng)用場(chǎng)景。

1.A toy example ——初步認(rèn)識(shí)R中的字符串處理

為了先給大家一個(gè)關(guān)于R字符串處理的大體認(rèn)識(shí)，我們使用R中自帶的一個(gè)數(shù)據(jù)集USArrests進(jìn)行函數(shù)功能演示。

先看看數(shù)據(jù)集的結(jié)構(gòu)。

# take a glimpse 
head(USArrests)

字符串子集提?。韩@得州的簡(jiǎn)稱(chēng)

# 獲得州名 
states = rownames(USArrests)

# 方法一：substr()
substr(x = states, start = 1, stop = 4)

# 方法二：abbreviate()

abbreviate(states,minlength = 5)

字符統(tǒng)計(jì)：獲得名字最長(zhǎng)的州名

# get number of characters in each state name

state_chars <- nchar(states)

# hist
hist(nchar(states),main = "Histogram",
     xlab = "number of charaters in US State names")


# longest state's name
states[which(state_chars == max(state_chars))]

注意：nchar()與length()的區(qū)別

字符串匹配：含某些字母的州名

# get states names with 'w'
grep(pattern = "w", x = states, value = TRUE)

###########################

# get states names with 'W' OR 'w'

## Method 1:
grep(pattern = "[wW]", x = states, value = TRUE)

## Method 2:
grep(pattern = "w", x = tolower(states),value = TRUE)

## Method 3:
grep(pattern = "W", x = toupper(states), value = TRUE)

## Method 4:
grep(pattern = "w",x = states, ignore.case = TRUE, value = TRUE)

字符統(tǒng)計(jì)：某些字母?jìng)€(gè)數(shù)統(tǒng)計(jì)

library(stringr)

# total number of a's
str_count(states,"a")

##################
# number of vowels

# vector of vowels
vowels <- c("a","e","i","o","u")

# vector for storing results 
num_vowels <- vector(mode = "integer",length = 5)

# calculate
for(i in seq_along(vowels)){
  num_aux <- str_count(tolower(states),vowels[i])
  num_vowels[i]<-sum(num_aux)
}

# add names
names(num_vowels)<-vowels

# total number of vowels
num_vowels

# barplot
barplot(num_vowels, main = "number of vowels in USA States names")

2.正則表達(dá)式

正則表達(dá)式是對(duì)字符串類(lèi)型數(shù)據(jù)進(jìn)行匹配判斷，提取等操作的一套邏輯公式。

處理字符串類(lèi)型數(shù)據(jù)方面，高效的工具有Perl和Python。如果我們只是偶爾接觸文本處理任務(wù)，則學(xué)習(xí)Perl無(wú)疑成本太高；如果常用Python，則可以利用成熟的正則表達(dá)式模塊：re庫(kù)；如果常用R，則使用Hadley大神開(kāi)發(fā)的stringr包則已經(jīng)能夠游刃有余。

下面，我們先簡(jiǎn)要介紹重要并通用的正則表達(dá)式規(guī)則。接著，總結(jié)一下stringr包中需要輸入正則表達(dá)式參數(shù)的字符處理函數(shù)。

元字符(Metacharacters)

大部分的字母和所有的數(shù)字都是匹配他們自身的正則表達(dá)式。然而，在正則表達(dá)式的語(yǔ)法規(guī)定中，有12個(gè)字符被保留用作特殊用途。他們分別是：

[ ] \ ^ $ . | ? * + ( )

如果我們直接進(jìn)行對(duì)這些特殊字符進(jìn)行匹配，是不能匹配成功的。正確理解他們的作用與用法，至關(guān)重要。

library(stringr)

metaChar = c("$","*","+",".","?","[","^","{","|","(","\\")

grep(pattern="$", x=metaChar, value=TRUE)

grep(pattern="\\", x=metaChar, value=TRUE)

grep(pattern="(", x=metaChar, value=TRUE)

gsub(pattern="|", replacement=".", "gsub|uses|regular|expressions")

strsplit(x="strsplit.aslo.uses.regular.expressions", split=".")

它們的作用如下：

[ ]：括號(hào)內(nèi)的任意字符將被匹配；

# example
grep(pattern = "[wW]", x = states, value = TRUE)

\：具有兩個(gè)作用：
- 1.對(duì)元字符進(jìn)行轉(zhuǎn)義(后續(xù)會(huì)有介紹)
- 2.一些以\開(kāi)頭的特殊序列表達(dá)了一些字符串組

strsplit(x="strsplit.aslo.uses.regular.expressions", split=".")

# compare
strsplit(x="strsplit.aslo.uses.regular.expressions", split="\\.")

################
# function 2:
library(stringr)
str_extract_all(string = "my cridit card number: 34901358932236",pattern = "\\d")

^：匹配字符串的開(kāi)始.將^置于character class的首位表達(dá)的意思是取反義。如[^5]表示匹配除了”5”以外的任何字符。

# function 1
test_vector<-c("123","456","321")
library(stringr)
str_extract_all(test_vector,"3")
str_extract_all(test_vector,"^3")

# function 2
str_extract_all(test_vector,"[^3]")

$：匹配字符串的結(jié)束。但將它置于character class內(nèi)則消除了它的特殊含義。如[akm$]將匹配’a’,’k’,’m’或者’$’.

# function 1
test_vector<-c("123","456$","321")
library(stringr)
str_extract_all(test_vector,"3$")


# function 2
str_extract_all(test_vector,"[3$]")

.：匹配除換行符以外的任意字符。

str_extract_all(string = c("regular.expressions\n","\n"), pattern ="\\.")

|：或者

test_vector2<-c("AlphaGo實(shí)在厲害！","alphago是啥","阿爾法狗是一條很兇猛的狗。")
str_extract_all(string = test_vector2, pattern ="AlphaGo|阿爾法狗")

?：前面的字符(組)是可有可無(wú)的，并且最多被匹配一次

str_extract_all(string = c("abc","ac","bc"),pattern = "ab?c")

*：前面的字符(組)將被匹配零次或多次

str_extract_all(string = c("abababab","abc","ac"),pattern = "(ab)*")

+：前面的字符(組)將被匹配一次或多次

str_extract_all(string = c("abababab","abc","ac"),pattern = "(ab)+")

( )：表示一個(gè)字符組，括號(hào)內(nèi)的字符串將作為一個(gè)整體被匹配。

str_extract_all(string = c("ababc","ac","cde"),pattern = "(ab)?c")

str_extract_all(string = c("abc","ac","cde"),pattern = "ab?c")

重復(fù)

代碼	含義說(shuō)明
`?`	重復(fù)零次或一次
`*`	重復(fù)零次或多次
`+`	重復(fù)一次或多次
`{n}`	重復(fù)n次
`{n,}`	重復(fù)n次或更多次
`{n,m}`	重復(fù)n次到m次

str_extract_all(string = c("abababab","ababc","ababababc"),pattern = "(ab){2,3}")

轉(zhuǎn)義

如果我們想查找元字符本身，如”?”和”*“，我們需要提前告訴編譯系統(tǒng)，取消這些字符的特殊含義。這個(gè)時(shí)候，就需要用到轉(zhuǎn)義字符\，即使用\?和\*.當(dāng)然，如果我們要找的是\,則使用\\進(jìn)行匹配。

strsplit(x="strsplit.aslo.uses.regular.expressions", split=".")

# compare
strsplit(x="strsplit.aslo.uses.regular.expressions", split="\\.")

注：R中的轉(zhuǎn)義字符則是雙斜杠：\\

R中預(yù)定義的字符組

代碼	含義說(shuō)明
`[:digit:]`	數(shù)字：0-9
`[:lower:]`	小寫(xiě)字母：a-z
`[:upper:]`	大寫(xiě)字母：A-Z
`[:alpha:]`	字母：a-z及A-Z
`[:alnum:]`	所有字母及數(shù)字
`[:punct:]`	標(biāo)點(diǎn)符號(hào)，如`. , ;`等
`[:graph:]`	Graphical characters,即[:alnum:]和[:punct:]
`[:blank:]`	空字符，即：Space和Tab
`[:space:]`	Space，Tab，newline，及其他space characters
`[:print:]`	可打印的字符，即：[:alnum:]，[:punct:]和[:space:]

library(stringr)
str_extract_all(string = "my cridit card number: 34901358932236",pattern = "\\d")

代表字符組的特殊符號(hào)

代碼	含義說(shuō)明
`\w`	字符串，等價(jià)于`[:alnum:]`
`\W`	非字符串，等價(jià)于`[^[:alnum:]]`
`\s`	空格字符，等價(jià)于`[:blank:]`
`\S`	非空格字符，等價(jià)于`[^[:blank:]]`
`\d`	數(shù)字，等價(jià)于`[:digit:]`
`\D`	非數(shù)字，等價(jià)于`[^[:digit:]]`
`\b`	Word edge（單詞開(kāi)頭或結(jié)束的位置）
`\B`	No Word edge（非單詞開(kāi)頭或結(jié)束的位置）
`\<`	Word beginning（單詞開(kāi)頭的位置）
`\>`	Word end（單詞結(jié)束的位置）

3.`stringr`字符串處理函數(shù)對(duì)比學(xué)習(xí)

`stringr`包中的重要函數(shù)

函數(shù)	功能說(shuō)明	R Base中對(duì)應(yīng)函數(shù)
使用正則表達(dá)式的函數(shù)
`str_extract()`	提取首個(gè)匹配模式的字符	`regmatches()`
`str_extract_all()`	提取所有匹配模式的字符	`regmatches()`
`str_locate()`	返回首個(gè)匹配模式的字符的位置	`regexpr()`
`str_locate_all()`	返回所有匹配模式的字符的位置	`gregexpr()`
`str_replace()`	替換首個(gè)匹配模式	`sub()`
`str_replace_all()`	替換所有匹配模式	`gsub()`
`str_split()`	按照模式分割字符串	`strsplit()`
`str_split_fixed()`	按照模式將字符串分割成指定個(gè)數(shù)	-
`str_detect()`	檢測(cè)字符是否存在某些指定模式	`grepl()`
`str_count()`	返回指定模式出現(xiàn)的次數(shù)	-
其他重要函數(shù)
`str_sub()`	提取指定位置的字符	`regmatches()`
`str_dup()`	丟棄指定位置的字符	-
`str_length()`	返回字符的長(zhǎng)度	`nchar()`
`str_pad()`	填補(bǔ)字符	-
`str_trim()`	丟棄填充，如去掉字符前后的空格	-
`str_c()`	連接字符	`paste(),paste0()`

可見(jiàn)，stringr包中的字符處理函數(shù)更豐富和完整，并且更容易記憶。

文本文件的讀寫(xiě)

這里的文本文件指的是非表格式的文件，如純文本文件，html文件。文本文件的讀取可以使用readLines()和scan()函數(shù)。一般需要通過(guò)encoding = 參數(shù)設(shè)置文件內(nèi)容的編碼方式。

#假設(shè)當(dāng)前路徑有一個(gè)文件為`file.txt`
text <- readLines("file.txt", encoding = "UTF-8") 

#默認(rèn)設(shè)置，每個(gè)單詞作為字符向量的一個(gè)元素
scan("file.txt", what = character(0),encoding = "UTF-8")  

#設(shè)置成每一行文本作為向量的一個(gè)元素，這類(lèi)似于readLines
scan("file.txt", what = character(0), sep = "\n",encoding = "UTF-8")  

#設(shè)置成每一句文本作為向量的一個(gè)元素
scan("file.txt", what = character(0), sep = ".",encoding = "UTF-8")

文本文件的寫(xiě)出可以使用cat()和writeLines()函數(shù)。

# 假設(shè)要保存當(dāng)前環(huán)境中的R變量text
# sep參數(shù)指定要保存向量里的元素的分割符號(hào)。
cat(text, file = "file.txt", sep = "\n")

writeLines(text, con = "file.txt", sep = "\n", useBytes = F)

字符統(tǒng)計(jì)及字符翻譯

x<- c("I love R","I'm fascinated by Statisitcs")

##################
## 字符統(tǒng)計(jì)

# nchar
nchar(x)

# str_count
library(stringr)
str_count(x,pattern = "")
str_length(x)
######################

DNA <- "AgCTaaGGGcctTagct"

## 字符翻譯：大小寫(xiě)轉(zhuǎn)換
tolower(DNA)

toupper(DNA)
## 字符翻譯：符號(hào)替換(逐個(gè)替換)
# chartr
chartr("Tt", "Uu", DNA)  #將T堿基替換成U堿基

# 注意：與str_replace()的區(qū)別

library(stringr)
str_replace_all(string = DNA,pattern = "T",replacement = "U") %>%
  str_replace_all(string = .,pattern = "t",replacement = "u")

字符串連接

# paste
paste("control",1:3,sep = "_")

# str_c()
library(stringr)
str_c("control",1:3,sep = "_")

字符串拆分

# strsplit
text <- "I love R.\nI'm fascinated by Statisitcs."
cat(text)
strsplit(text,split = " ")
strsplit(text,split = "\\s")

# str_split
library(stringr)
str_split(text,pattern = "\\s")

字符串查詢(xún)

字符串的查詢(xún)或者搜索應(yīng)用了正則表達(dá)式的匹配來(lái)完成任務(wù). R Base 包含的字符串查詢(xún)相關(guān)的函數(shù)有g(shù)rep()，grepl()，regexpr()，gregexpr()和regexec()等。

#################################
## 包含匹配

# grep
x<- c("I love R","I'm fascinated by Statisitcs","I")
grep(pattern = "love",x = x)
grep(pattern = "love",x = x,value = TRUE)
grepl(pattern = "love",x = x)

# str_detect

str_detect(string = x, pattern = "love")

#################################
# 
# match,完全匹配， 常用的 %in% 由match()定義
match(x = "I",table = x)
"I'm" %in% x

字符串替換

sub()和gsub()能夠提供匹配替換的功能，但其替換的實(shí)質(zhì)是先創(chuàng)建一個(gè)對(duì)象，然后對(duì)原始對(duì)象進(jìn)行重新賦值，最后結(jié)果好像是“替換”了一樣。

sub()和gsub()的區(qū)別在于，前者只替換第一次匹配的字串（請(qǐng)注意輸出結(jié)果中world的首字母），而后者會(huì)替換掉所有匹配的字串。

也可以使用substr和substring對(duì)指定位置進(jìn)行替換。

#####################################
## 匹配替換

test_vector3<-c("Without the vowels,We can still read the word.")


# sub
sub(pattern = "[aeiou]",replacement = "-",x = test_vector3)

# gsub
gsub(pattern = "[aeiou]",replacement = "-",x = test_vector3)

# str_replace_all
  
str_replace_all(string = test_vector3,pattern = "[aeiou]",
                replacement = "-")


##########################################
## 指定位置替換

字符串提取

常用到的提取函數(shù)有substr()和substring()，它們都是靠位置來(lái)進(jìn)行提取的，它們自身并不適用正則表達(dá)式，但是它們可以結(jié)合正則表達(dá)式函數(shù)regexpr(),gregexpr()和regexec()等可以方便地從文本中提取所需信息。

stringr包中的函數(shù)str_sub和str_dup可以通過(guò)位置提取，而str_extract和str_match可以通過(guò)正則表達(dá)式提取。

substr("abcdef", start = 2, stop = 4)
substring("abcdef", first = 1:6, last = 2:7)

str_sub("abcdef",start = 2, end = 4)
str_sub("abcdef",start = 1:6, end = 1:6)

################################


text_weibo<- c("#圍棋人機(jī)大戰(zhàn)# 【人工智能攻克圍棋 AlphaGo三比零完勝李世石】","谷歌人工智能AlphaGo與韓國(guó)棋手李世石今日進(jìn)行了第三場(chǎng)較量","最終AlphaGo戰(zhàn)勝李世石，連續(xù)取得三場(chǎng)勝利。接下來(lái)兩場(chǎng)將淪為李世石的“榮譽(yù)之戰(zhàn)。")

# str_match_all,返回的列表中的元素為矩陣

str_match_all(text_weibo,pattern = "#.+#")

str_match_all(text_weibo, pattern = "[a-zA-Z]+")

# str_extract_all，返回的列表中的元素為向量
str_extract_all(text_weibo,pattern = "#.+#")

str_extract_all(text_weibo, pattern = "[a-zA-Z]+")

字符串定制輸出

這個(gè)內(nèi)容有點(diǎn)類(lèi)似于字符串的連接。R中相應(yīng)的函數(shù)為strtrim()，用于將字符串修剪到特定的顯示寬度。stringr中相應(yīng)的函數(shù)為：str_pad().

strtrim()會(huì)根據(jù)width參數(shù)提供的數(shù)字來(lái)修剪字符串，若width提供的數(shù)字大于字符串的字符數(shù)的話，則該字符串會(huì)保持原樣，不會(huì)增加空格之類(lèi)的東西,若小于，則刪除部分字符。而str_pad()則相反。

strtrim(c("abcde", "abcde", "abcde"),width =  c(1, 5, 10))

str_pad(string = c("abcde", "abcde", "abcde"),width =  c(1, 5, 10),side = "right")

strwrap()會(huì)把字符串當(dāng)成一個(gè)段落來(lái)處理（不管段落中是否有換行），按照段落的格式進(jìn)行縮進(jìn)和分行，返回結(jié)果就是一行行的字符串。

而str_wrap()不對(duì)文本直接切割成向量，而是在文本內(nèi)容中插入了縮進(jìn)或分行的標(biāo)識(shí)符。

string <- "Each character string in the input is first split into\n paragraphs (or lines containing whitespace only). The paragraphs are then formatted by breaking lines at word boundaries."

strwrap(x = string, width = 30)

#str_wrap
str_wrap(string = string,width = 30)
cat(str_wrap(string = string, width = 30))

4.字符編碼相關(guān)的重要函數(shù)

windows下處理字符串類(lèi)型數(shù)據(jù)最頭疼的無(wú)疑是編碼問(wèn)題了。這里介紹幾個(gè)編碼轉(zhuǎn)換相關(guān)的函數(shù)。

函數(shù)	功能說(shuō)明
`iconv()`	轉(zhuǎn)換編碼格式
`Encoding()`	查看編碼格式；或者指定編碼格式
`tau::is.locale()`	tests if the components of a vector of character are in the encoding of the current locale
`tau::is.ascii()`
`tau::is.utf8()`	tests if the components of a vector of character are true UTF-8 strings

雖然查看編碼方式已經(jīng)有Encoding()函數(shù)，但是這個(gè)函數(shù)往往在很多時(shí)候都不靈，經(jīng)常返回惱人的“Unknow”。而火狐瀏覽器進(jìn)行網(wǎng)頁(yè)文本編碼識(shí)別的一個(gè) c++ 庫(kù)universalchardet ，可以識(shí)別的編碼種類(lèi)較多。文鋒寫(xiě)了一個(gè)相應(yīng)的R包接口，專(zhuān)用于文件編碼方式檢測(cè)，具體請(qǐng)參考：checkenc - 自動(dòng)文本編碼識(shí)別

devtools::install_github("qinwf/checkenc")
library(checkenc)
checkenc("2016-03-10-regular-expression-and-strings-processing-in-R.html")

Encoding("2016-03-10-regular-expression-and-strings-processing-in-R.html")

5.應(yīng)用案例

最后，給大家展示一個(gè)小小的爬蟲(chóng)案例：爬取豆瓣T250中的電影信息進(jìn)行分析。這里出于練習(xí)的目的刻意使用了字符串處理函數(shù)，在實(shí)際的爬蟲(chóng)中，有更方便快捷的實(shí)現(xiàn)方式。

本案例改編自肖凱老師的博客在R語(yǔ)言中使用正則表達(dá)式，原博客使用R Base中的函數(shù)進(jìn)行處理字符串，這里已經(jīng)全部更改為stringr中的函數(shù)進(jìn)行處理。

library(stringr)
library(dplyr)

url <-'http://movie.douban.com/top250?format=text'
# 獲取網(wǎng)頁(yè)原代碼，以行的形式存放在web變量中
setInternet2()
web <- readLines(url,encoding="UTF-8")
# 找到包含電影名稱(chēng)的行
name<-str_extract_all(string = web, pattern = '<span class="title">.+</span>')
movie.names_line <- unlist(name)
# 用正則表達(dá)式來(lái)提取電影名
movie.names <- str_extract(string = movie.names_line, pattern = ">[^&].+<") %>% str_replace_all(string = ., pattern = ">|<",replacement = "") 

movie.names<- na.omit(movie.names)

# 獲取評(píng)價(jià)人數(shù)
Rating<- str_extract_all(string = web,pattern = '<span>[:digit:]+人評(píng)價(jià)</span>')

Rating.num_line<-unlist(Rating)

Rating.num<- str_extract(string = Rating.num_line, pattern = "[:digit:]+") %>% as.numeric(.)

#獲取評(píng)價(jià)分?jǐn)?shù)
Score_line<-str_extract_all(string = web, pattern = '<span class="rating_num" property="v:average">[\\d\\.]+</span>')

Score_line<- unlist(Score_line)

Score<- str_extract(string = Score_line, pattern = '\\d\\.\\d') %>%
  as.numeric(.)

# 數(shù)據(jù)合并

MovieData<- data.frame(MovieName = movie.names,
                       RatingNum = Rating.num,
                       Score = Score,
                       Rank = seq(1,25),stringsAsFactors = FALSE)
View(MovieData)
#可視化
library(ggplot2)
ggplot(data = MovieData,aes(x = Rank,y = Score)) +
  geom_point(aes(size = RatingNum))+
 geom_text(aes(label = MovieName), colour = "blue",size = 4,vjust = -0.6)

深入學(xué)習(xí)

參考文獻(xiàn)

『Handling and Processing Strings in R』
『Automated Data Collection in R』
R中的普通文本處理-匯總
checkenc - 自動(dòng)文本編碼識(shí)別
在R語(yǔ)言中使用正則表達(dá)式

分享到：
微信
微博
豆瓣

本站是提供個(gè)人知識(shí)管理的網(wǎng)絡(luò)存儲(chǔ)空間，所有內(nèi)容均由用戶(hù)發(fā)布，不代表本站觀點(diǎn)。請(qǐng)注意甄別內(nèi)容中的聯(lián)系方式、誘導(dǎo)購(gòu)買(mǎi)等信息，謹(jǐn)防詐騙。如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請(qǐng)點(diǎn)擊一鍵舉報(bào)。

轉(zhuǎn)藏 分享

QQ空間 QQ好友新浪微博微信

獻(xiàn)花（0） +1

來(lái)自： gearss > 《字符串處理》

舉報(bào)/認(rèn)領(lǐng)