删除所需字符串前后匹配模式的字母

Question

我有一个包含以下元素的向量：

myvec<- c("output.chr10.recalibrated", "output.chr11.recalibrated",
"output.chrY.recalibrated")

我希望在chr之后和.recalibrated之前有选择地提取值，然后获取result。

结果：

10, 11, Y

Answer 1

您只需sub：

即可

> sub(".*?chr(.*?)\\.recalibrated.*", "\\1", myvec)
[1] "10" "11" "Y" 

模式匹配第一个chr之前的任何符号，然后匹配并捕获第一个.recalibrated之前的任何字符，然后匹配其余字符。在替换模式中，我们使用反向引用\1将所需的捕获值插入到结果字符串中。

请参阅regex demo

作为替代方案，请使用str_match：

> library(stringr)
> str_match(myvec, "chr(.*?)\\.recalibrated")[,2]
[1] "10" "11" "Y" 

它保留了所有捕获的值，并有助于避免str_extract中必需的模式中昂贵的非锚定外观。

模式意味着：

• chr - 匹配一系列文字字符chr
• (.*?) - 匹配换行符以外的任何字符（如果您还需要匹配换行符，请在模式的开头添加(?s)）直到第一个
• \\.recalibrated - .recalibrated文字字符序列。

Answer 2

如果whatever.chr10.whateverelse.recalibrated输入略有不同，这两个答案都会失败，这里我的方法只有sub的正则表达式部分不同：

sub(".*[.]chr([^.]*)[.].*", "\\1", myvec)

正则表达式的作用是：

• .*[.]chr尽可能匹配，直到找到'.chr'veliraly
• ([^.]*)捕获所有内容，而不是chr之后的一个点（可以被\\d+替换为仅捕获数字值，需要至少一个数字
• [.].*匹配文字点后面的其余部分

我更喜欢反斜杠转义（[.]）上的点（\\.）的字符类转义，因为当你回到正则表达式时它通常更容易阅读，这是我的意见而不是被我所知道的任何最佳实践所涵盖。

Answer 3

我们可以使用str_extract来执行此操作。我们匹配其他一个字符（.*），后面跟着＆＃39; chr＆＃39; （(?<=chr)）和.recalibrated（(?=\\.recalibrated)）之前。

 library(stringr)
 str_extract(myvec, "(?<=chr).*(?=\\.recalibrated)")
 #[1] "10" "11" "Y" 

或者使用gsub来匹配从chr开始的|或（.recalibrated）到字符串结尾（$）的字符和将其替换为''。

 gsub(".*\\.chr|\\.recalibrated.*$", "", myvec)
 #[1] "10" "11" "Y" 

Answer 4

看起来像XY问题。为何提取？如果在进一步的分析步骤中需要这样做，我们可以例如这样做：

for(chrN in c(1:22, "X", "Y")) {
  myVar <- paste0("output.chr", chrN, ".recalibrated")
  #do some fun stuff with myVar 
  print(myVar)
}