如何删除R中第n个分隔符后的所有内容？

Question

我有这个向量str。我希望在第二个＆＃39;之后删除所有内容：＆＃39;并得到结果。如何在第n次＆＃39;之后删除字符串：＆＃39;？

myvec

Answer 1

以下是一些替代方案。我们删除第k个冒号及其后的所有内容。问题中的例子对应于k = 2.在下面的例子中，我们使用k = 3。

1）read.table 将数据读入data.frame，挑选出所需的列并将其重新粘贴在一起：

k <- 3 # keep first 3 fields only
do.call(paste, c(read.table(text = myvec, sep = ":")[1:k], sep = ":"))

，并提供：

[1] "chr2:213403244:213403244" "chr7:55240586:55240586"  
[3] "chr7:55241607:55241607"  

2）sprintf / sub 构造适当的正则表达式（在k等于3的情况下，它将是^((.*?:){2}.*?):.*）并将其与sub一起使用：< / p>

k <- 3
sub(sprintf("^((.*?:){%d}.*?):.*", k-1), "\\1", myvec)

，并提供：

[1] "chr2:213403244:213403244" "chr7:55240586:55240586"  
[3] "chr7:55241607:55241607"  

注1：对于k = 1，这可以进一步简化为sub(":.*", "", myvec)，对于k = n-1，可以进一步简化为sub(":[^:]*$", "", myvec)

注2：以下是k的常规正则表达式的可视化，等于3：

^((.*?:){2}.*?):.*

Debuggex Demo

3）迭代删除最后一个字段我们可以使用上面注1中的最后一个正则表达式删除最后一个字段n-k次，如下所示：

n <- 6 # number of fields
k < - 3 # number of fields to retain
out <- myvec
for(i in seq_len(n-k)) out <- sub(":[^:]*$", "", out)

如果我们想自动设置n，我们可以选择用以下代码替换上面的硬编码行设置：

n <- count.fields(textConnection(myvec[1]), sep = ":")

4）定位第k个冒号的位置使用gregexpr找到冒号的位置，然后从中提取第k个的位置，因为我们不想使用尾随冒号。使用substr从相应的字符串中提取多个字符。

k <- 3
substr(myvec, 1, sapply(gregexpr(":", myvec), "[", k) - 1)

，并提供：

[1] "chr2:213403244:213403244" "chr7:55240586:55240586"  
[3] "chr7:55241607:55241607"  

注3：假设有n个字段。问题要求删除第k个分隔符后的所有内容，以便解决方案适用于k = 1,2，...，n-1。它不需要用于k = n，因为没有n个分隔符;但是，如果我们将k定义为要返回的字段数，那么k = n是有意义的，事实上，（1）和（3）也适用于那种情况。 （2）和（4）不适用于此扩展程序，但我们可以使用paste0(myvec, ":")作为输入而不是myvec轻松地将其用于工作。

注4：我们比较效果：

library(rbenchmark)
benchmark(
 .read.table = do.call(paste, c(read.table(text = myvec, sep = ":")[1:k], sep = ":")),
 .sprintf.sub = sub(sprintf("^((.*?:){%d}.*?):.*", k-1), "\\1", myvec),
 .for = { out <- myvec; for(i in seq_len(n-k)) out <- sub(":[^:]*$", "", out)},
 .gregexpr = substr(myvec, 1, sapply(gregexpr(":", myvec), "[", k) - 1),
  order = "elapsed", replications = 1000)[1:4]

，并提供：

          test replications elapsed relative
2 .sprintf.sub         1000    0.11    1.000
4    .gregexpr         1000    0.14    1.273
3         .for         1000    0.15    1.364
1  .read.table         1000    2.16   19.636

使用sprintf和sub的解决方案是最快的，尽管它使用复杂的正则表达式，而其他使用更简单或没有正则表达式，并且可能因简单而优先使用。

已添加添加了其他解决方案和其他说明。

Answer 2

我们可以使用sub。我们匹配字符串开头（:）后面不是^([^:]+的一个或多个字符，后跟:，后跟另外一个不是:的字符（{ {1}}），将其放在捕获组中，即括号内。我们将替换为替换中的捕获组（[^:]+）。

\\1

以上作品发布的示例。对于在第n个分隔符后删除的一般情况，

sub('^([^:]+:[^:]+).*', '\\1', myvec)
#[1] "chr2:213403244" "chr7:55240586"  "chr7:55241607" 

使用不同的'n'检查

n <- 2
pat <- paste0('^([^:]+(?::[^:]+){',n-1,'}).*')
sub(pat, '\\1', myvec)
#[1] "chr2:213403244" "chr7:55240586"  "chr7:55241607" 

并重复相同的步骤

n <- 3

或者另一种选择是将sub(pat, '\\1', myvec) #[1] "chr2:213403244:213403244" "chr7:55240586:55240586" #[3] "chr7:55241607:55241607" 和:分成n个组件。

paste