R - 根据模式处理字符串

Question

这是我在R上的文件名：

> lst.files[1]
[1] "clt_Amon_CanESM2_rcp45_185001-230012.nc"

我需要做的是捕获直到第4个下划线（包括）的部分，所以它会是这样的：

clt_Amon_CanESM2_rcp45_

我怎样才能在R中找到它？

Answer 1

使用qdap包，您可以执行以下操作。

x <- "clt_Amon_CanESM2_rcp45_185001-230012.nc"

library(qdap)
beg2char(x, "_", 4, include = TRUE)
# [1] "clt_Amon_CanESM2_rcp45_"

Answer 2

如果你知道你总是（至少）有四个下划线，那么你可以这样做：

regmatches(lst, regexec(".*_.*_.*_.*_", lst.files[1]))[[1]]
# [1] "clt_Amon_CanESM2_rcp45_"

如果第二部分可能不总是四个，但没有下划线，你可以这样做：

regmatches(lst, regexec(".*_", lst.files[1]))[[1]]
# [1] "clt_Amon_CanESM2_rcp45_"

这不需要任何额外的包，只需要基础R。

Answer 3

我们还可以使用sub将重复模式捕获为一组。我们匹配不是下划线（^）后跟下划线（[^_]+）的字符串开头（\\_）的另外一个字符，重复4次（{{ 1}}），通过括起括号后跟零个或多个字符（{4}）将其捕获为一个组。我们用捕获组（.*）替换它以获得预期的输出。

\\1

数据

sub('^(([^_]+\\_){4}).*', '\\1', str1)
#[1] "clt_Amon_CanESM2_rcp45_"