有需要的小伙伴可以下載 PDF 版本（有書簽頁）查看鹏溯，附件中
https://www.yuque.com/erhuoqian/mudww7/mdsxrq
目錄
10.2.5
1 在沒有使用 stringr 的那些代碼中母债，你會經(jīng)常看到 paste() 和 paste0() 函數(shù)，這兩個函數(shù)的區(qū)別是什么？ stringr 中的哪兩個函數(shù)與它們是對應(yīng)的敬尺？這些函數(shù)處理 NA 的方式有什么不同？
2 用自己的語言描述一下 str_c() 函數(shù)的 sep 和 collapse 參數(shù)有什么區(qū)別贴浙？
3 使用 str_length() 和 str_sub() 函數(shù)提取出一個字符串最中間的字符砂吞。如果字符串中的字符數(shù)是偶數(shù)，你應(yīng)該怎么做
4 str_wrap() 函數(shù)的功能是什么崎溃？應(yīng)該在何時使用這個函數(shù)蜻直？
5 str_trim() 函數(shù)的功能是什么？其逆操作是哪個函數(shù)？
6 編寫一個函數(shù)將字符向量轉(zhuǎn)換為字符串概而，例如呼巷，將字符向量 c("a", "b", "c") 轉(zhuǎn)換為字符串 "a, b and c"。仔細思考一下赎瑰，如果給定一個長度為 0王悍、1 或 2 的向量，那么這個函數(shù)應(yīng)該怎么做餐曼？
10.3.2
1 解釋一下為什么這些字符串不能匹配一個反斜杠 \ ：""压储、""、""源譬。
2 如何匹配字符序列 "'\ 集惋？
3 正則表達式 ...... 會匹配哪種模式？如何用字符串來表示這個正則表達式踩娘？
10.3.4
1 如何匹配字符串 "$^$" 刮刑？
2 給定stringr::words 中的常用單詞語料庫，創(chuàng)建正則表達式以找出滿足下列條件的所有單詞霸饲。
a. 以 y 開頭的單詞为朋。
b. 以 x 結(jié)尾的單詞臂拓。
c. 長度正好為 3 個字符的單詞厚脉。（不要使用str_length() 函數(shù)，這是作弊＝憾琛）
d. 具有 7 個或更多字符的單詞傻工。
10.3.6
1 創(chuàng)建正則表達式來找出符合以下條件的所有單詞。
a. 以元音字母開頭的單詞孵滞。
b. 只包含輔音字母的單詞（提示：考慮一下匹配“非”元音字母）中捆。
c. 以 ed 結(jié)尾，但不以 eed 結(jié)尾的單詞坊饶。
d. 以 ing 或 ize 結(jié)尾的單詞泄伪。
2 實際驗證一下規(guī)則：i 總是在 e 前面，除非 i 前面有 c
3 q 后面總是跟著一個 u 嗎匿级？
4 編寫一個正則表達式來匹配英式英語單詞蟋滴，排除美式英語單詞。
5 創(chuàng)建一個正則表達式來匹配你所在國家的電話號碼痘绎。
10.3.8
1 給出與 ?津函、+ 和 * 等價的 {m, n} 形式的正則表達式用語言描述以下正則表達式匹配的是何種模式（仔細閱讀來確認我們使用的是正則表達式，還是定義正則表達式的字符串）孤页？
a. ^.*$
b. "{.+}"
c. \d{4}-\d{2}-\d{2}
d. "\{4}"
3 創(chuàng)建正則表達式來找出滿足以下條件的所有單詞尔苦。
a. 以 3 個輔音字母開頭的單詞。
b. 有連續(xù) 3 個或更多元音字母的單詞。
c. 有連續(xù) 2 個或更多元音—輔音配對的單詞
4 解一下 https://regexcrossword.com/challenges/beginner 中的正則表達式入門級縱橫字謎允坚。
10.3.10
用語言描述以下正則表達式會匹配何種模式魂那？
a. (.)\1\1
b. "(.)(.)\2\1"
c. (..)\1
d. "(.).\1.\1"
e. "(.)(.)(.).*\3\2\1"
2 創(chuàng)建正則表達式來匹配出以下單詞。
a. 開頭字母和結(jié)尾字母相同的單詞稠项。
b. 包含一對重復(fù)字母的單詞（例如冰寻，church 中包含了重復(fù)的ch）。
c. 包含一個至少重復(fù)3 次的字母的單詞（例如皿渗，eleven 中的e 重復(fù)了3 次）斩芭。
10.4.2
試著使用兩種方法來解決以下每個問題，一種方法是使用單個正則表達式乐疆，另一種方法是使用多個 str_detect() 函數(shù)的組合划乖。
a. 找出以 x 開頭或結(jié)尾的所有單詞。
b. 找出以元音字母開頭并以輔音字母結(jié)尾的所有單詞挤土。
c. 是否存在包含所有元音字母的單詞琴庵？
d. 哪個單詞包含最多數(shù)量的元音字母？哪個單詞包含最大比例的元音字母仰美？（提示：分母應(yīng)該是什么迷殿？）
10.4.4
1 在前面的示例中，你或許已經(jīng)發(fā)現(xiàn)正則表達式匹配了 flickered咖杂，這并不是一種顏色庆寺。修改正則表達式來解決這個問題。2 從 Harvard sentences 數(shù)據(jù)集中提取以下內(nèi)容诉字。
a. 每個句子的第一個單詞懦尝。
b. 以 ing 結(jié)尾的所有單詞。
c. 所有復(fù)數(shù)形式的單詞壤圃。
10.4.6
1 找出跟在一個數(shù)詞（one陵霉、two、three 等）后面的所有單詞伍绳，提取出數(shù)詞與后面的單詞踊挠。假設(shè)這里只考慮數(shù)字 1-10
2 找出所有縮略形式，分別列出撇號前面和后面的部分冲杀。
10.4.8
1 迷惑效床？使用反斜杠替換字符串中的所有斜杠
2 使用 replace_all() 函數(shù)實現(xiàn) str_to_lower() 函數(shù)的一個簡單版
3 交換 words 中單詞的首字母和末尾字母，其中哪些字符串仍然是個單詞漠趁？
10.4.10
1 拆分字符串"apples, pears, and bananas"
2 為什么使用boundary("word") 的拆分效果要比"" 好扁凛？
3 使用空字符串（""）進行拆分會得到什么結(jié)果？嘗試一下闯传，然后閱讀文檔谨朝。
10.5
1 如何找出包含 \ 的所有字符串？分別使用 regex() 和 fixed() 函數(shù)來完成這個任務(wù)。
2 sentences 數(shù)據(jù)集中最常見的 5 個單詞是什么字币？
10.7
1 找出可以完成以下操作的 stringi 函數(shù)则披。
a. 計算單詞的數(shù)量。
b. 找出重復(fù)字符串洗出。
c. 生成隨機文本士复。
2 如何控制 stri_sort() 函數(shù)用來排序的語言設(shè)置？
[TOC]
10.2.5
1 在沒有使用 stringr 的那些代碼中翩活，你會經(jīng)弛搴椋看到 paste() 和 paste0() 函數(shù)，這兩個函數(shù)的區(qū)別是什么菠镇？ stringr 中的哪兩個函數(shù)與它們是對應(yīng)的冗荸？這些函數(shù)處理 NA 的方式有什么不同？
可以看出 paste 等同于 str_c 中的 sep 參數(shù)利耍，而 paste0 等同于 str_c 中的 collapse 參數(shù)蚌本。關(guān)于 NA 值，可以看到 paste 和 paste0 函數(shù)默認是把 NA 當(dāng)成一個字符串的隘梨，而 str_c 則會受 NA 的影響程癌，是可傳染的。
> paste("a", "b", sep = "_")
[1] "a_b"
> str_c("a", "b", sep = "_")
[1] "a_b"
> paste0("a", "_", "b")
[1] "a_b"
> str_c(c("a", "b"), collapse = "_")
[1] "a_b"
> # 關(guān)于 NA 值轴猎，可以看到 paste 和 paste0 函數(shù)默認是把 NA 當(dāng)成一個字符串的嵌莉，而 str_c 則會受 NA 的影響，是可傳染的税稼。
> paste("a", "b", sep = "_")
[1] "a_b"
> str_c("a", "b", sep = "_")
[1] "a_b"
> paste0("a", "_", "b")
[1] "a_b"
> str_c(c("a", "b"), collapse = "_")
[1] "a_b"
> paste("a", NA, sep = "_")
[1] "a_NA"
> str_c("a", NA, sep = "_")
[1] NA
> str_c("a", str_replace_na(NA), sep = "_")
[1] "a_NA"
> paste0("a", "_", NA)
[1] "a_NA"
> str_c(c("a", NA), collapse = "_")
[1] NA
> str_c(str_replace_na(c("a", NA)), collapse = "_")
[1] "a_NA"
2 用自己的語言描述一下 str_c() 函數(shù)的 sep 和 collapse 參數(shù)有什么區(qū)別烦秩？
- sep 參數(shù)就是用來指定向量中字符串的連接符號
- collapse 參數(shù)就是指定單個向量的內(nèi)連接也就是合并成一個字符串的連接符號
3 使用 str_length() 和 str_sub() 函數(shù)提取出一個字符串最中間的字符。如果字符串中的字符數(shù)是偶數(shù)郎仆，你應(yīng)該怎么做
擴展幾個函數(shù)：
? floor：向下取整，即不大于該數(shù)字的最大整數(shù)
? ceiling：向上取整兜蠕，即不小于該數(shù)字的最小整數(shù)
? trunc：取整數(shù)部分
? round：保留幾位小數(shù)
? signif：保留幾位有效數(shù)字扰肌，常用于科學(xué)技術(shù)
test <- "abcde"
> test <- "abcde"
> median_p <- median(seq_len(str_length(test)))
> str_sub(test, median_p, me_p)
[1] "c"
# 如果是偶數(shù)
# 插播幾個函數(shù)，取整熊杨、向上取整曙旭、向下取整
> test1 <- "abcdes"
> median_p1 <- ceiling(median(seq_len(str_length(test))))
> str_sub(test, median_p1, median_p1)
[1] "c"
4 str_wrap() 函數(shù)的功能是什么？應(yīng)該在何時使用這個函數(shù)晶府？
可以看到 str_wrap() 函數(shù)就是指定插入字符的位置桂躏，比如 width = 10，將會每十個字符（包括空格）加一個換行符 \n川陆。
? width：每一行的寬度剂习，正整數(shù)
? indent：每個段落第一行的非負整數(shù)縮進，即首行縮進
? exdent：非負整數(shù)，在每個段落中給下行作縮進鳞绕，非首行縮進
> ?str_wrap
> test <- "R would not be what it is today without the invaluable help of these\npeople outside of the R core team"
> cat(str_wrap(test, width = 30), "\n")
R would not be what it is
today without the invaluable
help of these people outside
of the R core team
> cat(str_wrap(test, width = 30, indent = 2), "\n")
R would not be what it is
today without the invaluable
help of these people outside
of the R core team
> cat(str_wrap(test, width = 30, exdent = 2), "\n")
R would not be what it is
today without the invaluable
help of these people outside
of the R core team
用處：當(dāng)我們在做 GO失仁、KEGG 等情況下，文本內(nèi)容過長们何，需要換行展示萄焦，這時候就可以配合 str_wrap() 函數(shù)。詳情可參考 Y 叔的公眾號推文：ggplot2畫圖冤竹，文本太長了怎么辦拂封？
p +
scale_x_discrete(labels=function(x) str_wrap(x, width=10))
5 str_trim() 函數(shù)的功能是什么？其逆操作是哪個函數(shù)鹦蠕？
用來去除空白的函數(shù)：
? str_trim() removes whitespace from start and end of string; 移除首尾
? str_squish() also reduces repeated whitespace inside a string烘苹；中間的也移除
都有一參數(shù) side：刪除空白的邊（left, right or both）
?str_trim()
逆操作函數(shù)為 str_pad() 加上空白
? width：加上字符后的字符長度，當(dāng)指定長度小于本身字符長度時候不會改變
? side：加在哪邊
? pad：填充字符片部，默認為空白
> str_pad("a", 10, pad = c("-", "_", " "))
[1] "---------a" "_________a" " a"
> str_length(str_pad("hadley", 30, "left"))
[1] 30
當(dāng)指定長度小于本身字符長度時候不會改變
> str_pad("hadley", 3)
[1] "hadley"
6 編寫一個函數(shù)將字符向量轉(zhuǎn)換為字符串镣衡，例如，將字符向量 c("a", "b", "c") 轉(zhuǎn)換為字符串 "a, b and c"档悠。仔細思考一下廊鸥，如果給定一個長度為 0、1 或 2 的向量辖所，那么這個函數(shù)應(yīng)該怎么做惰说？
參考答案：
str_commasep <- function(x) {
n <- length(x)
if (n == 0) {
NA
}else if(n == 1){
x
}else if(n == 2){
str_c(x[[1]], x[[2]], sep = " and ")
}else{
not_last <- str_c(x[seq_len(n - 1)], collapse = ", ")
last <- str_c("and", x[[n]], sep = " ")
str_c(c(not_last, last), collapse = " ")
}
}
> str_commasep(c("a","b", "c"))
[1] "a, b and c"
> str_commasep(c("a","b"))
[1] "a and b"
> str_commasep(c("a"))
[1] "a"
> str_commasep("")
[1] ""
10.3.2
1 解釋一下為什么這些字符串不能匹配一個反斜杠 \ ：""、"\"缘回、"\"吆视。
""：轉(zhuǎn)義符號 \ 后的一個字符
"\"：這將解析到正則表達式中的 \，它將轉(zhuǎn)義正則表達式中的下一個字符酥宴。
"\"：前兩個反斜杠將解析為正則表達式中的文字反斜杠啦吧，第三個將轉(zhuǎn)義下一個字符。在正則表達式中拙寡，它會轉(zhuǎn)義一些轉(zhuǎn)義的字符授滓。
2 如何匹配字符序列 "'\ ？
> writeLines("\"\'\\\\")
"'\\
> str_view("\"'\\", "\"\'\\\\")
3 正則表達式 ...... 會匹配哪種模式肆糕？如何用字符串來表示這個正則表達式般堆？
\..\..\.. 表示匹配 .任意字符.任意字符.任意字符，比如 .x.y.z诚啃。
> str_view(c(".a.b.c", ".a.b", "....."), c("\\..\\..\\.."), match = TRUE)
10.3.4
1 如何匹配字符串 "$^$" 淮摔？
> str_view(c("$^$", "ab$^$c"), "^\\$\\^\\$$")
2 給定stringr::words 中的常用單詞語料庫，創(chuàng)建正則表達式以找出滿足下列條件的所有單詞始赎。
因為這個列表非常長和橙，所以你可以設(shè)置 str_view() 函數(shù)的 match 參數(shù)仔燕，只顯示匹配的
單詞（match = TRUE）或未匹配的單詞（match = FALSE）。
a. 以 y 開頭的單詞胃碾。
以 y 開頭的單詞
> test <- stringr::words
> str_view(test, "^y", match = TRUE)
b. 以 x 結(jié)尾的單詞涨享。
以 x 結(jié)尾的單詞
> str_view(test, "x$", match = TRUE)
c. 長度正好為 3 個字符的單詞。（不要使用str_length() 函數(shù)仆百，這是作弊２匏怼）
長度正好為 3 個字符的單詞，太多俄周，截取部分圖
> str_view(test, "^...$", match = TRUE)
d. 具有 7 個或更多字符的單詞吁讨。
具有 7 個或更多字符的單詞
> str_view(test, ".......", match = TRUE)
或者
> reg1 <- str_c(rep(".", 7), collapse = "")
> str_view(test, reg1, match = TRUE)
或者
{7} 表示重復(fù)七次
> str_view(test, ".{7}", match = TRUE)
{7,} 表示重復(fù)七次及其以上
> str_view(test, ".{7,}", match = TRUE)
{7,9} 表示重復(fù)七次到九次
10.3.6
1 創(chuàng)建正則表達式來找出符合以下條件的所有單詞。
a. 以元音字母開頭的單詞峦朗。
> str_subset(stringr::words, "^[aeiou]")
b. 只包含輔音字母的單詞（提示：考慮一下匹配“非”元音字母）建丧。
> str_subset(stringr::words, "^[^aeiou]+$")
c. 以 ed 結(jié)尾，但不以 eed 結(jié)尾的單詞波势。
> str_subset(stringr::words, "[^e]ed$")
d. 以 ing 或 ize 結(jié)尾的單詞翎朱。
> str_subset(stringr::words, "i(ng|ze)$")
2 實際驗證一下規(guī)則：i 總是在 e 前面，除非 i 前面有 c
> length(str_subset(stringr::words, "ei"))
[1] 4
> length(str_subset(stringr::words, "ie"))
[1] 15
>
> length(str_subset(stringr::words, "(cei|[^c]ie)"))
[1] 14
> length(str_subset(stringr::words, "(cie|[^c]ei)"))
[1] 3
3 q 后面總是跟著一個 u 嗎尺铣？
> length(str_subset(stringr::words, "q[^u]"))
[1] 0
4 編寫一個正則表達式來匹配英式英語單詞拴曲，排除美式英語單詞。
抄的答案凛忿，英式英語和美式英語的區(qū)別不是很清楚
英式英語
"ou" 而非 "o"
"ae" 或者 "oe" 而非 "a" 或者 "o"
以 "ise" 結(jié)尾而非 "ize"
以 "yse" 結(jié)尾
按照上面所列出的區(qū)別澈灼，可以通過以下來進行匹配排除美式英語單詞
ou|ise$|ae|oe|yse$
5 創(chuàng)建一個正則表達式來匹配你所在國家的電話號碼。
我們國家是十一位數(shù)字手機電話號碼店溢，emm叁熔，至于哪些能開頭哪些不能開頭沒細糾結(jié)。
> str_view(c("18271883605", "1293123"), "\\d{11}")
10.3.8
1 給出與 ?床牧、+ 和 * 等價的 {m, n} 形式的正則表達式
? 等價于 {0荣回，1}
+ 等價于 {1,}
* 等價于 {0,}
用語言描述以下正則表達式匹配的是何種模式（仔細閱讀來確認我們使用的是正則表達式，還是定義正則表達式的字符串）叠赦？
a. ^.*$
b. "\{.+\}"
c. \d{4}-\d{2}-\d{2}
d. "\\{4}"
^.*$
匹配所有字符
"\\{.+\\}"
匹配至少一個字符
\d{4}-\d{2}-\d{2}
匹配類似 1234-12-12 格式
"\\\\{4}"
匹配四個 \
3 創(chuàng)建正則表達式來找出滿足以下條件的所有單詞驹马。
a. 以 3 個輔音字母開頭的單詞。
b. 有連續(xù) 3 個或更多元音字母的單詞除秀。
c. 有連續(xù) 2 個或更多元音—輔音配對的單詞
以 3 個輔音字母開頭的單詞
> str_view(words, "^[^aeiou]{3}", match = TRUE)
有連續(xù) 3 個或更多元音字母的單詞
> str_view(words, "[aeiou]{3,}", match = TRUE)
有連續(xù) 2 個或更多元音—輔音配對的單詞
> str_view(words, "([^aeiou][aeiou]){2,}", match = TRUE)
4 解一下 https://regexcrossword.com/challenges/beginner 中的正則表達式入門級縱橫字謎。
10.3.10
用語言描述以下正則表達式會匹配何種模式算利？
a. (.)\1\1
b. "(.)(.)\2\1"
c. (..)\1
d. "(.).\1.\1"
e. "(.)(.)(.).*\3\2\1"
看到此題有沒有聯(lián)想到我們的生物序列册踩？
a. (.)\1\1
匹配得到類似 aaa 結(jié)構(gòu)的字符串
> str_subset(c("aaa", "Abc"), "(.)\\1\\1")
[1] "aaa"
b. "(.)(.)\\2\\1"
匹配類似 abba 結(jié)構(gòu)的字符串
> str_view(words, "(.)(.)\\2\\1", match = T)
c. (..)\1
匹配類似 abab 結(jié)構(gòu)的字符串
> str_view(words, "(..)\\1", match = T)
d. "(.).\\1.\\1"
匹配類似 a*a*a 結(jié)構(gòu)的字符串，* 為任意一個字符
> str_view(words, "(.).\\1.\\1", match = T)
e. "(.)(.)(.).*\\3\\2\\1"
匹配類似 abc****cba 結(jié)構(gòu)的字符串效拭，*中不限制長度
> str_view(words, "(.)(.)(.).*\\3\\2\\1", match = T)
2 創(chuàng)建正則表達式來匹配出以下單詞暂吉。
a. 開頭字母和結(jié)尾字母相同的單詞。
b. 包含一對重復(fù)字母的單詞（例如，church 中包含了重復(fù)的ch）奸忽。
c. 包含一個至少重復(fù)3 次的字母的單詞（例如甩骏，eleven 中的e 重復(fù)了3 次）。
a. 開頭字母和結(jié)尾字母相同的單詞
\\1?$ 將只有一個字符的考慮進來
"^(.)((.*\\1$)|\\1?$)"
> str_view(words, "^(.)((.*\\1$)|\\1?$)", match = TRUE)
b. 包含一對重復(fù)字母的單詞（例如肮街，church 中包含了重復(fù)的 ch）风题。
".*(.)(.).*\\1\\2"
這個算是不大對的，因為 . 包括了所有字符嫉父，包括數(shù)字
> str_view(words, ".*(.)(.).*\\1\\2", match = TRUE)
或者, 標(biāo)準(zhǔn)應(yīng)該是這個
> str_view(words, "([a-zA-Z][a-zA-Z]).*\\1", match = TRUE)
c. 包含一個至少重復(fù) 3 次的字母的單詞（例如沛硅，eleven 中的 e 重復(fù)了 3 次）。
> str_view(words, "([a-zA-Z]).*\\1.*\\1", match = TRUE)
10.4.2
試著使用兩種方法來解決以下每個問題绕辖，一種方法是使用單個正則表達式摇肌，另一種方法是使用多個 str_detect() 函數(shù)的組合。
a. 找出以 x 開頭或結(jié)尾的所有單詞仪际。
b. 找出以元音字母開頭并以輔音字母結(jié)尾的所有單詞围小。
c. 是否存在包含所有元音字母的單詞？
d. 哪個單詞包含最多數(shù)量的元音字母树碱？哪個單詞包含最大比例的元音字母肯适？（提示：分母應(yīng)該是什么？）
找出以 x 開頭或結(jié)尾的所有單詞赴恨。
> 使用 str_detect() 函數(shù)
> words[str_detect(words, "(^x|x$)")]
[1] "box" "sex" "six" "tax"
> str_subset(words, "(^x|x$)")
[1] "box" "sex" "six" "tax"
> str_view(words, "(^x|x$)", match = T)
找出以元音字母開頭并以輔音字母結(jié)尾的所有單詞
> str_subset(words, "^[aeiou].*[^aeiou]$")
> words[str_detect(words, "^[aeiou].*[^aeiou]$")]
哪個單詞包含最多數(shù)量的元音字母疹娶？哪個單詞包含最大比例的元音字母？
包含最多數(shù)量的元音字母的單詞
> max_number <- max(str_count(words, "[aeiou]"))
> temp1 <- words[which((str_count(words, "[aeiou]") == max_number))]
> temp1
[1] "appropriate" "associate" "available" "colleague" "encourage" "experience" "individual" "television"
包含最大比例的元音字母的單詞
> ratio <- str_count(temp1, "[aeiou]")/str_length(temp1)
> temp1[ratio == max(ratio)]
[1] "associate" "available" "colleague" "encourage"
疑問：是否存在包含所有元音字母的單詞伦连？
> words[str_detect(words, "a") &
str_detect(words, "e") &
str_detect(words, "i") &
str_detect(words, "o") &
str_detect(words, "u")
]
character(0)
不存在雨饺。
10.4.4
1 在前面的示例中，你或許已經(jīng)發(fā)現(xiàn)正則表達式匹配了 flickered惑淳，這并不是一種顏色额港。修改正則表達式來解決這個問題。
之前匹配項
> colors <- c(
"red", "orange", "yellow", "green", "blue", "purple"
)
> color_match <- str_c(colors, collapse = "|")
> color_match
[1] "red|orange|yellow|green|blue|purple"
# 修改
## 我們在 10.3.3 中學(xué)過 \b：表示匹配單詞間的邊界歧焦。
> color_match2 <- str_c("\\b(", str_c(colors, collapse = "|"), ")\\b")
> color_match2
[1] "\\b(red|orange|yellow|green|blue|purple)\\b"
> more2 <- sentences[str_count(sentences, color_match2) > 1]
> str_view_all(more2, color_match2, match = TRUE)
2 從 Harvard sentences 數(shù)據(jù)集中提取以下內(nèi)容移斩。
a. 每個句子的第一個單詞。
b. 以 ing 結(jié)尾的所有單詞绢馍。
c. 所有復(fù)數(shù)形式的單詞向瓷。
每個句子的第一個單詞
> str_extract(sentences, "[A-Za-z]+") %>%
head()
[1] "The" "Glue" "It" "These" "Rice" "The"
以 ing 結(jié)尾的所有單詞。
> pattern <- "\\b[A-Za-z]+ing\\b"
> sentences_with_ing <- str_detect(sentences, pattern)
> unique(unlist(str_extract_all(sentences[sentences_with_ing], pattern)))
所有復(fù)數(shù)形式的單詞
答案雖然給的是這個舰涌，但是并不是所有的復(fù)數(shù)都是以 s 或者 es 結(jié)尾
> unique(unlist(str_extract_all(sentences, "\\b[A-Za-z]{3,}s\\b"))) %>%
head()
[1] "planks" "days" "bowls" "lemons" "makes" "hogs"
10.4.6
1 找出跟在一個數(shù)詞（one猖任、two、three 等）后面的所有單詞瓷耙，提取出數(shù)詞與后面的單詞朱躺。假設(shè)這里只考慮數(shù)字 1-10
- \b：單詞邊界
- \w：任意單詞字符
- \W：任意非單詞字符
> numword <- "\\b(one|two|three|four|five|six|seven|eight|nine|ten) +(\\w+)"
> sentences[str_detect(sentences, numword)] %>%
str_extract(numword)
2 找出所有縮略形式刁赖，分別列出撇號前面和后面的部分。
> contraction <- "([A-Za-z]+)'([A-Za-z]+)"
> sentences[str_detect(sentences, contraction)] %>%
str_extract(contraction) %>%
str_split("'")
這里的縮略形式指的是通過 ' 連接的單詞
這里僅僅列出部分結(jié)果
10.4.8
1 迷惑长搀？使用反斜杠替換字符串中的所有斜杠
這里是有點迷惑的宇弛，替換后并沒有直接變成 \，而是得通過 writeLines 函數(shù)來實現(xiàn)真正的替換源请。
> test <- c("a/b", "a/b//v")
> writeLines(str_replace_all(test, "/", "\\\\"))
a\b
a\b\\v
2 使用 replace_all() 函數(shù)實現(xiàn) str_to_lower() 函數(shù)的一個簡單版
> LETTERS2letters <- letters
> names(LETTERS2letters) <- LETTERS
> str_replace_all(words, LETTERS2letters)
3 交換 words 中單詞的首字母和末尾字母枪芒，其中哪些字符串仍然是個單詞？
> test <- str_replace_all(words, "^([A-Za-z])(.*)([a-z])$", "\\3\\2\\1")
> intersect(test, words)
剛開始我是沒看懂后面仍是一個單詞是啥意思巢钓，看了答案才發(fā)現(xiàn)就是首位相同字母的單詞病苗？看了答案后其實仍然覺得怪怪的
在 10.3.10 練習(xí)中有一題就是首尾字母相同的。
> data <- c("abba", "abc", "a")
> str_view(data, "^(.)((.*\\1$)|\\1?$)", match = T)
運用到本例子中：
> words1 <- str_to_lower(words)
> test2 <- str_subset(words1, "^(.)((.*\\1$)|\\1?$)")
> test2
> words1 <- str_to_lower(words)
> test2 <- str_subset(words1, "^(.)((.*\\1$)|\\1?$)")
> test <- str_replace_all(words1, "^([A-Za-z])(.*)([a-z])$", "\\3\\2\\1")
> test_1 <- intersect(test, words1)
> setdiff(test_1, test2)
[1] "lead" "read" "god" "dog" "deal" "on" "no" "dear"
> setdiff(test2, test_1)
character(0)
額症汹， 猜錯了硫朦，哈哈
10.4.10
1 拆分字符串"apples, pears, and bananas"
> x <- c("apples, pears, and bananas")
> str_split(x, ", +(and +)?")[[1]]
[1] "apples" "pears" "bananas"
要善于利用 ? 表示一次或者沒有
2 為什么使用boundary("word") 的拆分效果要比"" 好？
> x <- "This is a sentence. This is another sentence."
> str_split(x, boundary("word"))[[1]]
[1] "This" "is" "a" "sentence" "This" "is" "another" "sentence"
近乎等同于
> str_split(x, " ")[[1]]
[1] "This" "is" "a" "sentence." "This" "is" "another" "sentence."
但是我們可以看到背镇，如果使用 " " 來拆分咬展，會把點 . 等符號包括在一個單詞中
3 使用空字符串（""）進行拆分會得到什么結(jié)果？嘗試一下瞒斩，然后閱讀文檔破婆。
我們可以看到使用 "" 拆分后一句話變成了單個的字符，空格也是胸囱。
> x <- "This is a sentence. This is another sentence."
> str_split(x, "")
[[1]]
[1] "T" "h" "i" "s" " " "i" "s" " " "a" " " "s" "e" "n" "t" "e" "n" "c" "e" "." " " "T" "h" "i" "s" " " "i" "s" " " "a" "n" "o"
[32] "t" "h" "e" "r" " " "s" "e" "n" "t" "e" "n" "c" "e" "."
使用 boundary() 時候等同于上面祷舀。
> str_split(x, boundary())
[[1]]
[1] "T" "h" "i" "s" " " "i" "s" " " "a" " " "s" "e" "n" "t" "e" "n" "c" "e" "." " " "T" "h" "i" "s" " " "i" "s" " " "a" "n" "o"
[32] "t" "h" "e" "r" " " "s" "e" "n" "t" "e" "n" "c" "e" "."
10.5
1 如何找出包含 \ 的所有字符串？分別使用 regex() 和 fixed() 函數(shù)來完成這個任務(wù)烹笔。
> str_subset(c("a\\b", "ab"), "\\\\")
[1] "a\\b"
> str_subset(c("a\\b", "ab"), fixed("\\"))
2 sentences 數(shù)據(jù)集中最常見的 5 個單詞是什么裳扯？
思路就是提取所有單詞，然后取消 list, 全統(tǒng)一小寫谤职，再統(tǒng)計數(shù)目
這種一般可以用來分析云詞匯圖
> tibble(word = unlist(str_extract_all(sentences, boundary("word")))) %>%
mutate(word = str_to_lower(word)) %>%
count(word, sort = T) %>%
slice(1:5)
# A tibble: 5 x 2
word n
<chr> <int>
1 the 751
2 a 202
3 of 132
4 to 123
5 and 118
10.7
1 找出可以完成以下操作的 stringi 函數(shù)饰豺。
a. 計算單詞的數(shù)量。
b. 找出重復(fù)字符串允蜈。
c. 生成隨機文本冤吨。
計算單詞的數(shù)量。
> stringi::stri_count_words(sentences) %>%
head(5)
[1] 8 8 9 9 7
找出重復(fù)字符串饶套，
R 中很多函數(shù)你都可以根據(jù)對應(yīng)功能的英文名來進行推測
> test <- c("a", "b", "c", "a")
> test[stringi::stri_duplicated(test)]
[1] "a"
生成隨機文本漩蟆。
看答案。妓蛮。
> stringi::stri_rand_strings(4, 5)
[1] "auldB" "GBdbU" "UUZmd" "SisRN"
打亂原本句子中單詞的順序
> stringi::stri_rand_shuffle("The brown fox jumped over the lazy cow.")
[1] " hwobeT oe dharjvl xpyuer eof.c zwom nt"
> stringi::stri_rand_lipsum(1)
2 如何控制 stri_sort() 函數(shù)用來排序的語言設(shè)置爆安？
> string1 <- c("hladny", "chladny")
> stringi::stri_sort(string1, locale = "pl_PL")
[1] "chladny" "hladny"
> stringi::stri_sort(string1, locale = "sk_SK")
[1] "hladny" "chladny"
> string2 <- c("number100", "number2")
> stringi::stri_sort(string2)
[1] "number100" "number2"
>
> stringi::stri_sort(string2, opts_collator = stringi::stri_opts_collator(numeric = TRUE))
[1] "number2" "number100"
