Question

我有这个代码用于在下划线之后对字符串进行trucating＆＃34; _＆＃34;已找到，但我不了解通过gsub传递的运算符/参数，以使此操作成为可能。特别是，为什么我需要gsub＆＃34; \\ 1＆＃34;而不是＆＃34;＆＃34;。我注意到gsubbing的输出没有删除整个字符串。我对运营商的使用方式也有点困惑，特别是parantheses和括号：

AAA <- "ATGAS_1121"
(aa <- gsub("([^_]*).*", "\\1", AAA))
## [1] "ATGAS"

请注意，这篇文章大量借鉴：R remove part of string

谢谢，我很感激。

Answer 1

在正则表达式(..)中称为捕获组，它捕获与该组中存在的模式匹配的所有字符。您可以通过反向引用组索引号来引用这些字符。

gsub("([^_]*).*", "\\1", AAA)

([^_]*)会在开始时捕获所有字符，但不会捕获_零次或多次。 .*跟随所有剩余字符。 gsub将使用替换部分中的字符替换所有匹配的字符。如果你的代码是，

gsub("([^_]*).*", "", AAA)

它将删除所有字符，因为我们匹配了所有字符，但只捕获了开头存在的那些字符（不是_符号）。因此，通过将匹配的字符替换为组索引1中存在的字符，将为您提供_符号之前的部分。

您可以使用\K

获得相同的结果

> gsub("[^_]*\\K.*", "", AAA, perl = TRUE)
[1] "ATGAS"

由于\K是PCRE功能，因此您必须启用perl=TRUE参数。 \K使文本与整个正则表达式匹配保持匹配。

Answer 2

为什么我需要gsub \\1而不是""

back-reference告诉引擎匹配捕获组捕获的字符。可以通过将要分组的字符放在一组括号( ... )内来创建捕获组。从左到右的每组捕获括号都会被赋予一个数字，无论引擎在评估匹配时是否使用这些括号。

在这种情况下，您需要使用替换调用中的反向引用\1来将第1组匹配的字符分配到新字符串aa中。通过使用""，您将为aa分配一个空值，因为正则表达式模式与整个字符串匹配。

我对运营商的使用方式也有些疑惑......括号

您要问的方括号[ ... ]称为character class，它定义了一组字符。说 - “匹配一个由类指定的字符。”

我建议如何做到这一点：

在这个例子中，根本不需要正则表达式，你可以简单地拆分字符串。

AAA <- 'ATGAS_1121'
strsplit(AAA, '_', fixed=T)[[1]][1]
# [1] "ATGAS"

如果您坚持使用正则表达式，则可以使用sub，如下所示：

AAA <- 'ATGAS_1121'
sub('_.*', '', AAA)
# [1] "ATGAS"

有人可以准确地解释这些gsub参数吗？

2 个答案: