R - 使用正则表达式删除所有字符串，特殊字符和模式结束元素

Question

假设我有一个字符向量ids，如下所示：

ids <- c("367025001", "CT_341796001", "M13X01692-01", "13C025050901", "13C00699551")

我想搜索每个元素并删除所有字母，所有特殊字符和结束元素时的“01”。所以ids会变成：

ids_replaced <- c("3670250", "3417960", "1301692", "130250509", "1300699551")

我有点接近，但它没有按照我的意图行事。

gsub("(.*?)(\\d+?)(01$)", "\\2", ids, perl = TRUE)

Answer 1

您可以使用

gsub("01$|\\D", "", ids)
# [1] "3670250"    "3417960"    "1301692"    "130250509"  "1300699551"
identical(gsub("01$|\\D", "", ids), ids_replaced)
# [1] TRUE

Regular Expression Explanation:

• 01匹配“01”
在可选的$之前
• \n，以及字符串的结尾
• |或
• \D匹配非数字（除了0-9之外）

Answer 2

使用rex可能会使这类任务变得更简单。

ids <- c("367025001", "CT_341796001", "M13X01692-01", "13C025050901", "13C00699551")

re_substitutes(ids,
  rex(non_digits %or% list("01", end)),
  '',
  global = TRUE)

#> [1] "3670250"    "3417960"    "1301692"    "130250509"  "1300699551"

Answer 3

我不确定如何在R中执行此操作，但您可以使用此正则表达式：

-\d+$|\D

<强> Working demo