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？使用substr？谢谢！

Answer 1

以下是一些方法：

1）sub

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（问题中的例子就是这种情况）：

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

4a）substring / regex

如果冒号并非总是处于已知位置，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（它们在问题中的示例中）才有效。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替换冒号。例如，如果分隔符为_，则为string <- sub("_", ":", string)

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

溶液。 strapplyc和read.dcf解决方案。

请注意

输入string假定为：

string <- c("G1:E001", "G2:E002", "G3: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

这应该做：

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

给出

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

Answer 5

晚了聚会，但为了后代， stringr 软件包（流行的“ tidyverse”软件包套件的一部分）现在为函数提供了带有统一签名的函数，用于字符串处理：

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

Answer 6

提取子字符串的另一种方法

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

(?<=:)：在冒号（:）后面

Answer 7

如果您使用的是data.table，那么tstrsplit()是很自然的选择：

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

Answer 8

unglue 软件包提供了一种替代方法，对于简单的情况，不需要有关正则表达式的知识，我们可以这样做：

# 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 package（v0.3.0）于2019-11-06创建}

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

Answer 9

令人惊讶的是，尚未添加非常“基础的 R”解决方案：

string = c("G1:E001", "G2:E002", "G3:E003")

regmatches(string, regexpr('E[0-9]+', string))

根据模式提取R中的子字符串

9 个答案: