Question

我在数据框中有一个列，其中包含格式的长文本序列（通常为数千个字符）：

p <- ggplot(data = d, aes(factor(group), r)) + 
  geom_boxplot()    +
  stat_summary(geom="text", fun.y=quantile,
             aes(label=sprintf("%1.0f", ..y..)),
             position=position_nudge(x=0.33), size=3)+
  facet_wrap(~group2, scales = "free_x") +
  geom_text(data = un, aes(x = group, y = 50, label = lab))

即。一个字符串，括号中的后缀，然后是分隔符

我试图计算R中的语法以删除以（VR）结尾的项目，包括尾随管道（如果存在），以便我离开：

abab(VR) | ddee(NR) | def(NR) | fff(VR) | oqq | pqq | ppf(VR)

我无法找出会删除这些条目的正则表达式（或gsub），并且想请求是否有人可以帮助我。

Answer 1

以下是使用strsplit和paste与崩溃参数的方法：

paste(sapply(strsplit(temp, split=" +\\| +"),
        function(i) { i[setdiff(seq_along(i), grep("\\(VR\\)$", i))] }),
  collapse=" | ")
[1] "ddee(NR) | def(NR) | oqq | pqq"

我们在管道和空格上拆分，然后将结果列表提供给sapply，grep使用setdiff函数删除以“（VR）”结尾的向量的任何元素。最后，结果粘贴在一起。

我添加了一个带有{{1}}的子集方法，这样没有任何“（VR）”的向量将返回而不做任何修改。

Answer 2

如果您想使用gsub，可以分两个阶段删除模式：

gsub(" \\| $", "", gsub("\\w+\\(VR\\)( \\| )?", "", s))
# firstly remove all words ending with (VR) and optional | following the pattern and 
# then remove the possible | at the end of the string

# [1] "ddee(NR) | def(NR) | oqq | pqq"

正则表达式\\w+\\(VR\\)将匹配以(VR)结尾的单词，括号将由\\转义;
( \\| )?匹配可选分隔符|，这可确保它在字符串的中间和末尾都匹配模式;
字符串末尾遗漏的|可以被第二个gsub删除;

如何在R中的长文本字符串中替换以固定模式结尾的文本序列？

2 个答案: