Question

我有mystring这个分隔符"_"。这里的条件是，如果有两个或更多分隔符，我想在第二个分隔符处拆分，如果只有一个分隔符，我想在".Recal"分割并得到result，如下所示。

mystring<-c("MODY_60.2.ReCal.sort.bam","MODY_116.21_C4U.ReCal.sort.bam","MODY_116.3_C2RX-1-10.ReCal.sort.bam","MODY_116.4.ReCal.sort.bam")

结果

"MODY_60.2"  "MODY_116.21" "MODY_116.3"  "MODY_116.4"

Answer 1

您可以使用gsubfn

执行此操作

library(gsubfn)
f <- function(x,y,z) if (z=="_") y else strsplit(x, ".ReCal", fixed=T)[[1]][[1]]
gsubfn("([^_]+_[^_]+)(.).*", f, mystring, backref=2)
# [1] "MODY_60.2"   "MODY_116.21" "MODY_116.3"  "MODY_116.4"

这允许您有两个以上“_”的情况，并且您希望在第二个上分割，例如，

mystring<-c("MODY_60.2.ReCal.sort.bam",
            "MODY_116.21_C4U.ReCal.sort.bam",
            "MODY_116.3_C2RX-1-10.ReCal.sort.bam",
            "MODY_116.4.ReCal.sort.bam",
            "MODY_116.4_asdfsadf_1212_asfsdf",
            "MODY_116.5.ReCal_asdfsadf_1212_asfsdf",  # split by second "_", leaving ".ReCal"
            "MODY")

gsubfn("([^_]+_[^_]+)(.).*", f, mystring, backref=2)
# [1] "MODY_60.2"        "MODY_116.21"      "MODY_116.3"       "MODY_116.4"      
# [5] "MODY_116.4"       "MODY_116.5.ReCal" "MODY"

在函数中，f，x是原始字符串，y和z是下一个匹配项。因此，如果z不是“_”，那么它继续通过替代字符串进行拆分。

Answer 2

使用stringr包：

str_extract(mystring, '.*?_.*?(?=_)|^.*?_.*(?=\\.ReCal)')
[1] "MODY_60.2" "MODY_116.21" "MODY_116.3" "MODY_116.4"

它也适用于两个以上的分隔符。

Answer 3

Perl / PCRE具有分支重置功能，可让您在使用不同备选方案捕获组时重用组号，并被视为一个捕获组。

IMO，当你想提供不同的选择时，这个功能很优雅。

x <- c('MODY_60.2.ReCal.sort.bam', 'MODY_116.21_C4U.ReCal.sort.bam', 
       'MODY_116.3_C2RX-1-10.ReCal.sort.bam', 'MODY_116.4.ReCal.sort.bam',
       'MODY_116.4_asdfsadf_1212_asfsdf', 'MODY_116.5.ReCal_asdfsadf_1212_asfsdf', 'MODY')

sub('^(?|([^_]*_[^_]*)_.*|(.*)\\.ReCal.*)$', '\\1', x, perl=T)
# [1] "MODY_60.2"        "MODY_116.21"      "MODY_116.3"       "MODY_116.4"      
# [5] "MODY_116.4"       "MODY_116.5.ReCal" "MODY"

Answer 4

gsub('^(.*\\.\\d+).*','\\1',mystring)
[1] "MODY_60.2"   "MODY_116.21" "MODY_116.3"  "MODY_116.4"

Answer 5

^([^_\\n]*_[^_\\n]*)(?:_.*|\\.ReCal[^_]*)$

您可以使用gsub而不使用任何复杂的正则表达式。只需用\\1替换。请参阅演示。

https://regex101.com/r/wL4aB6/1

Answer 6

稍长一点，但需要较少的正规表达知识：

library(stringr)
indx <- str_locate_all(mystring, "_")

for (i in seq_along(indx)) {
  if (nrow(indx[[i]]) == 1) {
    mystring[i] <- strsplit(mystring[i], ".ReCal")[[1]][1]
  } else {
    mystring[i] <- substr(mystring[i], start = 1, stop = indx[[i]][2] - 1)
  }
}

Answer 7

gregexpr可以在字符串中搜索模式并提供位置。

首先，我们使用gregexpr在_的每个元素中查找所有mystring的位置。然后，我们遍历该输出并提取_的每个元素内第二mystring的索引。如果没有第二个_，它将返回一个NA（在下面的示例中选中inds）。

此后，我们可以根据提取的索引使用substr提取相关部分，或者，如果存在NA，我们可以将字符串拆分为.ReCal并仅保留第一部分。

inds = sapply(gregexpr("_", mystring, fixed = TRUE), function(x) x[2])
ifelse(!is.na(inds),
       substr(mystring, 1, inds - 1), 
       sapply(strsplit(mystring, ".ReCal"), '[', 1))
#[1] "MODY_60.2"   "MODY_116.21" "MODY_116.3"  "MODY_116.4"

字符串在R中以条件分割

7 个答案: