如何在txt文件的r中拆分包含大量字母且没有空格的字符串？

Question

假设我有一个如下所示的 txt 文件

aaaaaaaaaaaaaaaadddddddddddddssssssssssbbbbbbbbbbbbbccccccccccxxxxxxxxxxsddddddaaasdadvvvvvvvvbbbbbbbaxxxxnnnnnnnnnwwwwwwwwwwwwww

str_split()这种情况我该如何申请？

我正在尝试计算这个txt文件中出现了多少个字母“a”

这是我到目前为止所拥有的，

aaaaaaaaaaaaaaaadddddddddddddssssssssssbbbbbbbbbbbbbccccccccccxxxxxxxxxxsddddddaaasdadvvvvvvvvbbbbbbbaxxxxnnnnnnnnnwwwwwwwwwwwwww

然后我跑了str_length(str_detect(mytxtfile, "a"))

该函数的结果少于 9，我相信我在使用时做错了什么str_split()

请帮忙！

Answer 1

基本 R 选项使用lengths和regmatches来gregexpr计算字符串中的字符，如下所示：

input = 'aaaaaaaaaaaaaaaadddddddddddddssssssssssbbbbbbbbbbbbbccccccccccxxxxxxxxxxsddddddaaasdadvvvvvvvvbbbbbbbaxxxxnnnnnnnnnwwwwwwwwwwwwww'
lengths(regmatches(input, gregexpr("a", input)))
#> [1] 21

^{创建于 2022-12-09，使用reprex v2.0.2}

@jay.sf 是对的！regmatches没有必要：

input = 'aaaaaaaaaaaaaaaadddddddddddddssssssssssbbbbbbbbbbbbbccccccccccxxxxxxxxxxsddddddaaasdadvvvvvvvvbbbbbbbaxxxxnnnnnnnnnwwwwwwwwwwwwww'
lengths(gregexpr("a", input))
#> [1] 21

^{创建于 2022-12-09，使用reprex v2.0.2}

Answer 2

您可以使用str_count对字符串内部进行计数：

library(stringr)
mytxtfile = "aaaaaaaaaaaaaaaadddddddddddddssssssssssbbbbbbbbbbbbbccccccccccxxxxxxxxxxsddddddaaasdadvvvvvvvvbbbbbbbaxxxxnnnnnnnnnwwwwwwwwwwwwww"
str_count(mytxtfile, "a")
#[1] 21

使用str_split_*函数，您可以使用str_split_1（stringr 1.5.0必需）++ str_detect（sum尽管如您所见，它str_count要好得多）：

str_split_1(mytxtfile, "") |>
  str_detect("a") |>
  sum()
#[1] 21