根据模式提取R中的子字符串

Question

假设我有一个字符串列表:string = c("G1:E001", "G2:E002", "G3:E003").现在我希望得到一个字符串向量,它只包含冒号":"之后的部分,即substring = c(E001,E002,E003).在R中有一个方便的方法吗？用substr？谢谢!

Answer 1

以下是几种方法:

1)子

sub(".*:", "", string)
## [1] "E001" "E002" "E003"

2)strsplit

sapply(strsplit(string, ":"), "[", 2)
## [1] "E001" "E002" "E003"

3)read.table

read.table(text = string, sep = ":", as.is = TRUE)$V2
## [1] "E001" "E002" "E003"

4)子串

这假定第二部分总是从第4个字符开始(问题中的示例中就是这种情况):

substring(string, 4)
## [1] "E001" "E002" "E003"

4a)substring/regex

如果冒号并不总是处于已知位置,我们可以通过搜索来修改(4):

substring(string, regexpr(":", string) + 1)

5)strapplyc

strapplyc 返回带括号的部分:

library(gsubfn)
strapplyc(string, ":(.*)", simplify = TRUE)
## [1] "E001" "E002" "E003"

6)read.dcf

这个只有在冒号之前的子串是唯一的时才有效(它们在问题的例子中).它还要求分隔符是冒号(它在问题中).如果使用了不同的分隔符,那么我们可以先使用sub冒号替换它.例如,如果隔板是_然后string <- sub("_", ":", string)

c(read.dcf(textConnection(string)))
## [1] "E001" "E002" "E003"

添加.tidyr::separate和separate解决方案.

注意.

输入post假定为:

library(dplyr)
library(tidyr)
library(purrr)

DF <- data.frame(string)
DF %>% 
  separate(string, into = c("pre", "post")) %>% 
  pull("post")
## [1] "E001" "E002" "E003"

Answer 2

例如使用gsub或sub

    gsub('.*:(.*)','\\1',string)
    1] "E001" "E002" "E003"

Answer 3

这是另一个简单的答案

gsub("^.*:","", string)

Answer 4

聚会晚了，但是为了后代，stringr包（流行的“ tidyverse”包套件的一部分）现在为函数提供了带有统一签名的函数以处理字符串：

string <- c("G1:E001", "G2:E002", "G3:E003")
stringr::str_extract(string = string, pattern = "E[0-9]+")
# [1] "E001" "E002" "E003"

Answer 5

如果您正在使用，data.table那么tstrsplit()很自然的选择：

tstrsplit(string, ":")[[2]]
[1] "E001" "E002" "E003"

Answer 6

应该这样做：

gsub("[A-Z][1-9]:", "", string)

给

[1] "E001" "E002" "E003"

Answer 7

该unglue包提供了一种替代，需要简单的情况下，没有正则表达式的知识，在这里我们应该这样做：

# install.packages("unglue")
library(unglue)
string = c("G1:E001", "G2:E002", "G3:E003")
unglue_vec(string,"{x}:{y}", var = "y")
#> [1] "E001" "E002" "E003"

^{由reprex 包(v0.3.0)于 2019 年 11 月 6 日创建}

更多信息：https : //github.com/moodymudskipper/unglue/blob/master/README.md

Answer 8

另一种提取子字符串的方法

library(stringr)
substring <- str_extract(string, regex("(?<=:).*"))
#[1] "E001" "E002" "E003

• (?<=:)：查看冒号后面 ( :)