尽量R语言的主要处理惩罚工具是数字，而字符串有时候也会在数据阐明中占到相当大的份量。出格是在文本数据挖掘日趋重要的配景下，在数据预处理惩罚阶段你需要纯熟的操纵字符串工具。虽然假如你擅长其它的处理惩罚软件，好比Python，可以让它来认真前期的脏活。
获取字符串长度：nchar()可以或许获取字符串的长度，它也支持字符串向量操纵。留意它和length()的功效是有区此外。
字符串粘合：paste()认真将若干个字符串相连结，返回成单独的字符串。其利益在于，就算有的处理惩罚工具不是字符型也能自动转为字符型。
字符串支解：strsplit()认真将字符串凭据某种支解形式将其举办分别，它正是paste()的逆操纵。
字符串截取：substr()能对给定的字符串工具取出子集，其参数是子集所处的起始和终止位置。
字符串替代：gsub()认真搜索字符串的特定表达式，并用新的内容加以替代。sub()函数是雷同的，但只替代第一个发明功效。
字符串匹配：grep()认真搜索给定字符串工具中特定表达式 ，并返回其位置索引。grepl()函数与之雷同，但其后头的”l”则意味着返回的将是逻辑值。
一个例子：
我们来看一个处理惩罚邮件的例子，目标是从该文本中抽取发件人的地点。该文本在此可以下载到。邮件的全文如下所示：
—————————-
Return-Path: [email protected]
Delivery-Date: Sat Sep 7 05:46:01 2002
From: [email protected] (Skip Montanaro)
Date: Fri, 6 Sep 2002 23:46:01 -0500
Subject: [Spambayes] speed
Message-ID: <[email protected]>
If the frequency of my laptop’s disk chirps are any indication, I’d say
hammie is about 3-5x faster than SpamAssassin.
Skip
—————————-
# 用readLines函数从当地文件中读取邮件全文。在字符串的巨大操纵中凡是会包罗正则表达式（Regular Expressions），关于这方面内容可以参考?regex
data <- readLines(‘data’)
# 判定工具的类，确定是一个文本型向量，每行文本是向量的一个元素。
class(data)
# 从这个文本向量中找到包罗有”From:”字符串的那一行
email <- data[grepl(‘From:’,data)] #将其凭据空格举办支解，分成一个包罗四个元素的字符串向量。
from <- strsplit(email,’ ‘)
# 上面的功效是一个list名目，转成向量名目。
from <- unlist(from)
# 最后搜索包括’@’的元素，即为发件人邮件地点。
from <- from[grepl(‘@’,from)]
