传统数据分析的对象多是数字而非文字。这主要是受制于分析技术与相关工具的发展水平。实际上，人类行为的许多内容是以文字、语音、表情等难以完全数字化的方式存在。如何扩大数据分析的范畴，将分析对象拓展至文本数据、音频数据和视频数据，是近些年来数据分析领域的热门议题。这里仅限对利用 R 语言进行文本数据的基础处理和统计分析进行简单介绍，但很多内容也适用于其他软件。
R 基础安装包中内置了一些字符串处理函数，能在很大程度上满足基本使用需求，也是进一步学习其他 R 包中相关字符串函数的基础。这里择要进行简单介绍。
| 函数名称 | 功能 |
|---|---|
nchar(x) |
计算向量 x 中的字符数、字节数或宽度 |
substr(x, start, end) |
指定起始位置截取子字符串 |
grep(pattern, x) |
检索向量 x 中的元素是否包含指定的模式，并返回其在 x 中的序位 |
sub(pattern, replacement, x) |
替换向量x 中的指定模式 |
strsplit(x, split) |
指定位置切割字符串 |
paste(x, y, sep = "") |
拼接向量 x 与 y |
toupper(x) |
将 x 中的所有英文字母转为大写（upper case） |
tolower(x) |
将 x 中的所有英文字母转为小写（lower case） |
cat(x, y) |
连接向量并定制化输出至屏幕或文件， cat 是英文 concatenate（串联、合并）的缩写 |
以下通过一些实例说明上述函数的使用方式。诸多演示将使用如下的简单汉语字符向量。
x <- c("北京大学社会学系", "清华大学心理学系", "南开大学社会心理学系")
先看nchar()。
nchar(x)
显示为各元素中包含的字符个数。这看似简单，实则不然。nchar()的用法为：
nchar(x, type = "")其中，type参数有三个选项：
chars（字符数），1个英文单词、数字或汉字计1字符bytes（字节），1个英文单词或数字为计1字节，1个汉字计2字节width（宽度），将字符串转为等宽字体 ^[等宽字体（monospaced font）是指字符宽度相同的电脑字体，字符宽度不尽相同的电脑字体则称为比例字体（proportional font）。编程代码常使用的是等宽字体。]后所占的列数，通常与bytes的计算方式相同
所以，如果输入
nchar(x, type = "bytes")
即可看到不同结果。
substr()函数的结果一目了然：
substr(x, 1, 4)
grep()函数实际上通常要匹配其他函数来用，这里只做简单示例：
grep("大学", x)
这表示 x 向量中的前3个元素均包含“大学”这一字符。
sub()的作用是替换，其中sub 是英文 substitute（替换）的缩写。
sub("大学", "University", x)
paste()可将若干向量的横向拼接，其用法为：
paste (A, B, sep = " ", collapse = NULL)其中，
A、B表示等拼接的向量，可拓展至多个向量sep表示连接各向量中各元素的连接符collapse表示将各向量拼接为一个向量的连接符
只看解释很难让人明白这两个参数的功能。细看以下示例：
paste("南开大学", "社会心理学系", sep = "-")
paste("南开大学", "社会心理学系", sep = "**")
paste("南开", c("社会学系", "社会心理学系", "经济学系"), sep = "大学")
paste(LETTERS[1:5], letters[1:5], sep = "-")
paste(LETTERS[1:5], letters[1:5], sep = "-", collapse = " | ")
前三例非常直观，值得注意的是后两例，请体会sep和collapse这两个参数的不同功能。
从示例可看出，sep参数用于横向拼接向量，即把paste(A, B, sep = "")中的第一个向量和第二个向量按元素顺序逐对拼起来，而collapse是把一个向量内部所有元素按一个分隔符拼接为单个字符串。按 R 的自动扩展原则，若两个向量长度不一，短向量会被扩展到长向量的长度，再去拼接。同时，sep返回的仍然是一个向量，每一元素是所拼接向量中的相应位置上的元素拼接而成；而collapse把所有字符向量“坍缩”为一个字符串，这正是 collapse 的英文本意。
paste()还经常与cat()配合使用，以定制输出形式，例如：
paste("我是爱南开的", "周恩来", sep = "\n")
cat(paste("我是爱南开的", "周恩来", sep = "\n"))
paste()只执行拼接功能，而显示结果还需要通过cat()来完成。
touppper()与tolower()的功能也非常直观:
toupper(letters[1:5])
tolower(LETTERS[1:5])
这里不再细述。
R 内置的字符串函数还有很多，功能也较齐全。其缺点在于函数命名比较分散，没有统一风格，不利于记忆。另外，在一些复杂字符串的处理上仍有一定欠缺。为此，可调动 stringr 等包中的相关函数加以更为灵活便捷的处理。
绝大多数 stringr 包中的函数都以str_开头（表示string），下划线后跟着一个动词或其缩写，以指明其功能。以下按字母序列出stringr 包中的重要函数及其功能。
| 函数名称 | 功能 |
|---|---|
str_c() |
拼接多个字符串为单个字符串 |
str_conv() |
更改字符串的编码类型 |
str_count() |
计算字符串中指定模式的字符个数 |
str_detect() |
判断字符串是否包含指定模式 |
str_dup() |
将向量中的各字符串重复自身 n 次 |
str_extract() |
提取字符串中包含的指定模式（匹配一次） |
str_extract_all() |
提取字符串中包含的指定模式（匹配所有） |
str_length() |
计算字符串的长度（即所包含的字符个数） |
str_locate() |
给出指定模式在字符串中的起始位置（输出矩阵） |
str_locate_all() |
给出指定模式在字符串中的起始位置（输出列表） |
str_match() |
判断字符串中是否包含指定模式（输出矩阵） |
str_match_all() |
判断字符串中是否包含指定模式（输出列表） |
str_order() |
给出字符串在所处向量中的位置（默认首字母升序） |
str_pad() |
用指定字符填充字符串至指定字符长度 |
str_replace() |
替换字符串中的指定模式（匹配一次） |
str_replace_all() |
替换字符串中的指定模式（匹配所有） |
str_replace_na() |
将表示缺失值的 NA 替换为字符串 "NA" |
str_sort() |
按字符串在所处向量中的位置排序（默认首字母升序） |
str_split() |
根据指定模式切割字符串（输出列表） |
str_split_fixed() |
根据指定模式切割字符串（输出矩阵） |
str_sub() |
指定起始位置截取子字符串 |
str_subset() |
给出所有包含指定模式的字符串 |
str_trim() |
删去字符串首尾处的空白符 |
str_trunc() |
删除部分内容使字符串截为指定宽度 |
str_which() |
给出所有包含指定模式的字符串的位置（输出整数） |
str_wrap() |
设定字符串的段落输出形式 |
str_view() |
网页格式下对指定模式阴影显示（匹配一次） |
str_view_all() |
网页格式下对指定模式阴影显示（匹配所有） |
str_to_upper() |
将字符串中的所有英文字母转为大写（upper case） |
str_to_lower() |
将字符串中的所有英文字母转为小写（lower case） |
str_to_title() |
将字符串中的英文单词转为首字母大写 |
word() |
提取句子中指定位置的单词 |
许多函数通过示例可一目了然，不再细述。少数复杂的函数会细加解释。同时请注意 stringr 字符串函数与 R 基础包中的字符串函数的比较。
展开分析前，请确保已载入 stringr 包。
library(stringr)
str_c()函数用于横向拼接字符串。
str_c("南开", "大学")
str_c("南开", "大学", sep = "")
str_c("南开", "大学", sep = "-")
可见默认不加空格拼接，也可指定用于拼接的字符。但str_C()的功能并不局限于此。试看下面的命令：
str_c(LETTERS[1:5], letters[1:5], sep = "-")
str_c(LETTERS[1:5], letters[1:5], collapse = "-")
str_c(LETTERS[1:5], letters[1:5], sep = "-", collapse = " | ")
请结合此例再次明确sep与collapse参数的功能。
str_replace_na() 函数将表示缺失值的 NA 替换为字符串 "NA"。试比较以下结果：
na <- c(NA, "A", "B")
na
str_replace_na(na)
str_trunc(string,
width,
side = c("right", "left", "center"),
ellipsis = "...")trunc是英文 truncate 的缩写，其中
string：待操纵的字符串width：截断后的最大宽度side：指定截断的方向ellipis：指明被移除位置的替代符号，默认 ...（宽度为3）
str_trunc(x, 4, side = "left")
str_trunc(x, 2, side = "right", ellipsis = "-")
str_trunc(x, 6, side = "center", ellipsis = "XX")
str_dup()函数用于复制向量中的字符串，dup 是英文 duplicate 的缩写。请观察以下示例。
n <- "南开"
k <- "大学"
nk1 <- c(n, k)
nk1
nk2 <- str_c(n, k)
nk2
str_dup(nk1, 2)
str_dup(nk2, 2)
word()函数用于提取句子中指定位置的单词，一般要求各单词之间应有空格划分。这一功能在中文领域目前较难有用武之地，因为中文句子的各个单字之间并无英文单词之间的空格，除非人为加入。
Chi <- c("南 开 大 学", "北 京 大 学")
word(Chi, 1, 2)
Eng <- c("He likes cats.", "She hates rats.")
word(Eng, 2)
str_count()用于计算字符串中包含的字符数。
str_count(x)
str_count(x, "心理学")
str_count()的功能类似于 R 基础包中的nchar()函数（number of characters），但nchar()的功能更全；前者只能用于计算字符数，后者还可用于计算字节数或宽度。
str_detect(x, "心理学")
str_extract(x, "心理学")
str_extract_all(x, "心理学")
str_extract_all(x, "心理学", simplify = TRUE)
str_locate(x, "心理学")
str_locate_all(x, "心理学")
str_replace(x, "学", "xue")
str_replace_all(x, "学", "xue")
str_match(x, "心理学")
str_match_all(x, "心理学")
str_split(x, "大学", n = 2)
str_split(x, "大学", n = 2, simplify = TRUE)
str_split_fixed(x, "大学", n = 2)
str_sub(x, start = 1, end = 4)
str_sub(x, -4, -1)
str_subset(x, "心理学")
str_which(x, "心理")
str_view(x, "学")
str_view_all(x, "学")
str_pad()函数用于填充字符串，格式如下：
str_pad(string,
width,
side = c("left", "right", "both"),
pad = " ")其中，
string：待填充的字符串width：待填充的最大宽度，长度以字节（byte）计side：填充方向pad：用于填充的符号（限1个字节宽度），默认为空格
str_pad(x, 20, side = "left")
注意左边出现的空格。一个汉字占两个字节，故“南开大学社会心理学系”正好20字节，无须填充。再看下例。
str_pad(x, 20, side = "right", pad = "X")
str_order()和str_sort()分别用于给出字符串的序位及根据这一序位排序。
str_order(x)
str_sort(x)
str_sort(x, decreasing = TRUE)
str_to_upper()、str_to_lower()、str_to_title()用于英语字母的大小写转换。
Eng <- c("He likes cats.", "She hates rats.")
str_to_lower(Eng)
str_to_upper(Eng)
str_to_title(Eng)
paragraph <- c("R是一个免费、自由且跨平台通用的统计计算与绘图软件，它有Windows、Mac、Linux等版本，均可免费下载使用。R项目(The R Project for Statistical Computing)最早由新西兰奥克兰大学（Auckland University）的Robert Gentleman（1959-） 和 Ross Ihaka（1954-） 开发，故软件取两人名字的首字母命名为R。")
str_wrap(paragraph, width = 30, indent = 4)
此时可见每40个字节即被切分为一行（增加了换行符\n），但并未分行显示；indent = 4表示首先缩进4字节。在str_wap()的基础上使用基础命令cat()即可达到合并成段落。
cat(str_wrap(paragraph, width = 40, indent = 4))
空白符
空白符（white space）并不仅仅指空格（Space ），还包括制表符、回车符、换行等。
常用空白符类型
| 名称 | 符号 |
|---|---|
| 空格符（space） | |
| 水平制表符（horizontal tab） | \t |
| 垂直制表符（vertical tab） | \v |
| 换行符（line feed） | \n |
| 回车符（carriage return） | \r |
注意表格空格符对应的符号为空，这并不表示没有符号，而是表示空格符号。请参考此两者的区别：""和" "，前一对双引号中无任何符号，后一对双引号中有一个空格。
同时注意换行与回车的本质并不相同，它们源自传统的电传打字机。所谓回车是让打字机把打印头“回归”（return）到最初始位置（左边界处），换行则指让打字机把纸向下移一行。Unix系统中每行结尾只有“换行”，Windows系统里每行结尾是“回车 + 换行”，Mac系统里每行结尾是“回车”。这会造成不同系统下的文本文档在跨系统读取时出现格式变异问题。Word软件中的“回车”，其实也是回车 + 换行的组合。
为更好地说明str_trim()的功能，下面结合一个初步的网页爬虫实例进行示例。爬虫时经常会遇到要爬取多个链接中的相关内容，通常的做法是将所有链接保存为一个文件，然后再使用特定的循环语句，对每一个链接执行相同的操作。这里的第一步就是如何简洁高效地获取相关链接。这里以我国中央人民政府门户网站（即通常所谓“中国政府网”网站）上提供的政府工作报告页面作为示例页面。在
http://www.gov.cn/guowuyuan/baogao.htm
这个链接中，给出自1954年以来的历届政府工作报告。每个报告均以单独链接的方式存在，点击后即可阅读相关内容。若要一次性爬取所有报告内容，首先需要获得每年政府工作报告的链接地址。网络爬虫涉及基础网页结构知识和相关软件包的学习，这里暂不展开，只结合 rvest 等 R 包的相关函数展示相关说明，以说明str_trim()的功能（请确保联网以执行相关功能，并确定已安装 rvest 包）。
library(xml2)
library(rvest)
library(stringr)
url <- "http://www.gov.cn/guowuyuan/baogao.htm"
reports <- read_html(url)
links <- reports %>%
html_nodes(".history_report a") %>%
html_attr("href")
head(links)
这里的 links 对象已储存了所有49个政府工作报告（1954--2017）的详细链接。然后细分析每个“链接”，发现其结尾都有两个空白符：\r\n。这其实正是“回车 +换行”的意思。要让 R 准确读取链接，这两个空白符应当删去。此时即可使用str_trim()函数如下：
links <- str_trim(links)
head(links)
此时即可显示“纯净”的链接地址，方便进行下一步的工作。
最后，stringr 提供了三个文本数据，以供练习相关命令：sentences, fruit, words。加载 stringr 包后直接输入以上单词，回车后即可见到，例如：
stringr::fruit[1:5]
上述示例只展示了 stringr 中的基础函数用法，并未全面展示字符串处理的所有功能与应用。要更有效率地使用这些函数进行文本数据分析，需要进一步了解正则表达式。
正则表达式（regular expression，简称 regex）是用于匹配、搜索和替换文本的字符串 ^[正则表达式听起来很陌生，实际上人们在文件夹中搜索类似包含“会议记录”字段的所有文件、或是在Word软件中一次性替换所有小写的“car”为首字母大写的“Car”单词、一次性把所有数字都转换为Times New Roman字体等操作时，就已在使用类似正则表达式的功能。]。它内置于多种程序语言或软件产品，是一种非严格意义上的“迷你语言”，其功能在于搜索特定模式（pattern）的文字并加以处理（如截取、替换等）。正式表达式在不同程序语言中有着不同的细节规定，但多数规则可跨语言通用。这里就这些通用规则并结合 R 语言的特征进行介绍。想要精通正则表达式需要较长时间，但了解基本的规则并不困难，细节内容可在实际工作需要时再去深究。
正则表达式本身就是由字符构成，但为了达到匹配其他字符的功能，需要对其中一些特定字符的功能加以限定。元字符（metacharacter）就是在正则表达式有特殊含义的字符，每一个元字符能匹配一个位置或一个字符。
正则表达式中有些基本字符被保留用作特殊用途，它们的含义不能从“字面意思”进行理解，且常与其他字符匹配成字符集合，以表达不同的字符类别。
正则表达式中的基础元字符
| 符号 | 功能 |
|---|---|
^ |
匹配字符串的开始位置；放在[]中则表示反义，即[^aeiou]表示匹配除了[]中给定字符集合外的字符 |
$ |
匹配字符串的开始位置 |
. |
匹配除换行符之外的所有字符 |
| ` | ` |
?、*、+ |
限定重复匹配次数，后面详细说明 |
\ |
对下一字符转义；或放在其他字符开头，组合特定的元字符 |
[] |
方括号配对使用，匹配括号内的任意字符 |
() |
圆括号配对使用表示字符组，括号内的字符串作为整体被匹配 |
由于元字符已被赋予特殊含义，因此，如果确实要匹配作为文本字符本身的上述符号，就需要通过转义符来实现。转义符（escape character）其实是一种特殊的元字符，“转义”就是“转换含义”的意思。转义符本身不被当成实体字符，而是起到提醒作用，使其后面的字符表达出特定的含义。不同程序使用的转义符并不相同，通常使用的转义符是反斜杠（捺斜杠）\。
然而，由于\本身是元字符，因此在实际使用中会有诸多麻烦。例如，要匹配英文句号.本身，就不能写成.，也不能写成\.。这是因为\本身会被理解元字符而不是普通的文本字符。只有写成\\.才能达到匹配目的。试比较：
a <- c("a.\a123", "b.\a456", "c.\a789a", "d.\a")
a
str_view(a, ".")
str_view(a, "\\.")
str_view(a, ".")时突出显示的是第一个字符，这正是因为.号起到了元字符的作用。只有转义后才能突出显示.号本身。而如果输入str_view(a, "\.")则会出现错误信息。类似地，\\(会匹配(，\\)会匹配)，其他可类推。
细心的读者应该已经发现，刚才在执行str_view()命令时，\以及它后面的第一个字符并没有显示出来。这其实正是因为在\是一个转义符而不是普通字符，而跟在它后面的字母a因为并不是有意义的转义符号组合，所以被忽略掉，这其实正是英文 escape（逃离） 的本义。要正确地显示文本数据的内容，可使用 R 基础安装包中的writeLines()函数。
a0 <- c("a.\a123", "b.\a456", "c.\a789c", "d.\a")
a0
writeLines(a0)
a1 <- c("a.\\a123", "b.\\a456", "c.\\a789c", "d.\\a")
writeLines(a1)
请比较a0和a1的结果。如果想要真正呈现带有\符号的文本，a1才是正确的写入方式。
那么，如何匹配\自身呢？思路如下：\是元字符，需要加以转义，故加上转义符\，变成\\；创建\\这一正则表达式，仍需要前面用\加以申明；最后，\\\\才能表示出作为普通文本符号的\。
str_view(a0, "\\\\")
str_view(a1, "\\\\")
这可能是个特例。好在如此复杂的表达并不多见。
与多数程序语言一样，R 支持预定义的POSIX字符类 ^[POSIX表示可移植操作系统接口（Portable Operating System Interface of UNIX，缩写为 POSIX ），POSIX标准定义了操作系统应该为应用程序提供的接口标准，是国际电气和电子工程师协会（IEEE）为在各种UNIX操作系统上运行的软件而定义的一系列标准的总称。]，即通过一些特定字符组合表示一类字符。
| 符号 | 功能 |
|---|---|
[:alnum:] |
任意英文字母及数字，等价于[a-zA-Z0-9]，其中连字符-号表示范围区间 |
[:alpha:] |
任意英文字母，等价于[a-zA-Z] |
[:blank:] |
空格（Space）或制表符（Tab），等价于[\t ]，注意字母t后有一个空格 |
[:cntrl:] |
任意ASCII控制字符 |
[:digit:] |
任意数字，等价于[0-9] |
[:graph:] |
任意图形字符，包括标点、字母及数字，即[:alnum:]和[:punct:]的集合 |
[:lower:] |
任意小写字母，等价于[a-z] |
[:print:] |
任意可打印字符，即[:alnum:]，[:punct:]和[:space:]的集合 |
[:punct:] |
任意英文标点符号，包括 ! " # $ % & ' ( ) * + , - . / : ; < = > ? @ [ \ ] ^ _ { | } ~ ` . |
[:space:] |
任意空白符，包括水平制表符（\t）、垂直制表符（\v）、空格符（space）、换行符（\n）、回车符（\r）、换页符（\f） |
[:upper:] |
任意大写字母，等价于[A-Z] |
[:xdigit:] |
任意十六进制数字，即0 1 2 3 4 5 6 7 8 9 A B C D E F a b c d e f，等价于[0-9a-fA-F] |
正则表达式中也可用一些固定的字符串表达特殊含义，它们均以\符号开头，通用的模式如下：
| 符号 | 功能 |
|---|---|
\< |
匹配单词的开头位置 |
\> |
匹配单词的结束位置 |
\b |
匹配单词的边界（boundary），即单词开头或结束的位置 |
\B |
匹配非单词开头或结束的位置 |
\d |
匹配任意数字，等价于[:digit:] |
\D |
匹配任意非数字，等价于[^[:digit:]] |
\s |
匹配空白符，等价于[:blank:] |
\S |
匹配非空白符，等价于[^[:blank:]] |
\w |
匹配字符串，等价于[:alnum:] |
\W |
匹配非字符串，等价于[^[:alnum:]] |
\x |
匹配十六进制数字，等价于[:xdigit:] |
当然，由于\号本身是元字符，因此在 R 中需要加以转义，所以上述模式需要写成形如\\d的模式。例如：
str_replace_all(a, "\\d", "x")
正则表达式的元字符一次一般只能匹配一个位置或一个字符。若想匹配零个、一个或多个字符时，需要使用限定符，用于指定允许特定字符或字符集重复出现的次数。
| 符号 | 功能 |
|---|---|
{n} |
重复n次 |
{n,} |
重复至少n次 |
{n,m} |
重复至少n次、至多m次 |
? |
重复零次或1次 |
* |
重复零次或多次 |
+ |
重复1次或多次 |
| 符号 | 功能 |
|---|---|
() |
定义子表达式，可使复杂的正则表达式更适合阅读 |
(?=) |
以?=号后的字符为起点（不包含该字符本身），向前查找匹配的模式 |
(?<=) |
以?<=号后的字符为起点（不包含该字符本身），向后查找匹配的模式 |
(?!) |
以?<=号后的字符为起点（不包含该字符本身），向前查找指定模式之外的字符，称为负向前查找 |
(?<!) |
以?<=号后的字符为起点（不包含该字符本身），向前查找指定模式之外的字符，称为负向后查找 |
负向前查找（negative lookahead）和负向后查找中的“负”，均表示逻辑上的“否”，即对向前查找和向后查找取反义，但查找顺序相同。这也是为什么负查找使用了!号的原因，它是 R 及许多程序语言中表示“否”的逻辑符号。
library(tibble)
library(rvest)
library(dplyr)
library(stringr)
url <-
"http://www.moe.gov.cn/jyb_zzjg/moe_347/201508/t20150824_202647.html"
cast <- read_html(url, encoding = "UTF-8") %>% html_nodes(".pt105")
http_links <- html_attr(cast, "href")
universitiy_names <- html_text(cast)
unme <- cbind(universitiy_names, http_links) %>% as_tibble()
write.csv("unme.csv")
str_count(unme$universitiy_names, "学院") %>% sum()
unme <- mutate(unme, collage = as.numeric(str_detect(universitiy_names, "学院")),
china = as.numeric(str_detect(universitiy_names, "中国")),
brother = as.numeric(str_detect(unme$universitiy_names, "[（）]")),
abbrevs = str_extract(unme$http_links, "(?<=\\.).*(?=\\.e)"))
上述命令中的最后一行，str_extract(unme$http_links, "(?<=\\.).*(?=\\.e)")表示提取第一个.号之后、第一个.e之前的内容。这显然是因为所有教育部直属院校的域名均以.edu.cn结尾。这是一种“投机取巧”的做法。更为普遍的解法思路应是：如何提取某两个特定位置的.号之间的内容？就此例而言，就是如何提取第一个.号与第二个.号之间的内容（不包括.号本身）？
实现的方式并不统一。这里提供一种思路。
str_extract(unme$http_links[1:5], "(?<=\\.)([^\\.]+)(?=\\.)")
其中，
?<=\\.表示从第一个.号之后进行匹配[^\\.]+表示至少匹配一个非.号的字符?=\\.表示在第二个.号之前进行匹配()仅表示运算的优先性，以便阅读
请思考如下语句的结果：
str_extract(unme$http_links[1:5], "(?<=\\.)([^\\.]+)(?=\\.)")
此外，对于形如"http://www.pku.edu.cn/"这种结构清晰的字符串，也可先将其按规则切割成若干子字符串，然后再提取所需部分。此处按3个.号将http_links列切割为4列，再提取第2列即可。示例如下：
str_split_fixed(unme$http_links, "\\.", n = 4)[, 2][1:5]
其中，()外的第一个方括号[, 2]表示提取前述结果的第2列，第二个方括号[1:5]表示只列示前5列结果，以节省空间。
如果一个字符串有若干个相同符号（如这里的.号），提取第一个和第二个符号之间的内容，直接采用定位匹配的方式是比较方便的。而当所提取内容存在一系列符号中的某两个之间时，可能先切割再提取的方式更容易操作。