Question

假设我有以下字符串（文件名）：

a <- "X/ZHEB100/TKN_VAR29380_timely_p1.txt"

由几个部分组成（这里给出了p1）

或另一个

b <- "X/ZHEB100/ZHN_VAR29380_timely.txt"

仅由一部分组成（因此无需标记任何p）

如何提取标识符，即VARXXXXX之前的三个字母（如果是TKN，则为两个字母ZHN）加上部件标识符（如果有）？

所以结果应该是：

case1 : TKN_p1
case2 : ZHN

我知道如何提取第一个标识符，但我无法同时处理第二个标识符。

到目前为止我的方法：

sub(".*(.{3})_VAR29380_timely(.{3}).*","\\1\\2", a)
sub(".*(.{3})_VAR29380_timely(.{3}).*","\\1\\2", b)

但在第二种情况下，这会错误地添加.tx。

Answer 1

您没有使用锚点并且在timely之后立即匹配最后3个字符，而没有检查这些字符是什么（.匹配任何字符）。

我建议

sub("^.*/([A-Z]{3})_VAR\\d+_timely(_[^_.]+)?\\.[^.]*$", "\\1\\2", a)

<强>详情：

^ - 字符串开头
.*/ - 字符串的一部分，包括最后一个/
([A-Z]{3}) - 将3个ASCII大写字母捕获到第1组
_VAR\\d+_timely - _VAR + 1位或更多位+ _timely
(_[^_.]+)? - 可选第2组捕获_ + 1个或更多字符而不是_和.
\\. - 一个点
[^.]* - 除.
$ - 字符串结束。

替换模式包含两个对两个捕获组的反向引用，以将其内容插入到替换的字符串中。

R demo：

a <- "X/ZHEB100/TKN_VAR29380_timely_p1.txt"
a2 <- sub("^.*/([A-Z]{3})_VAR\\d+_timely(_[^_.]+)?\\.[^.]*$", "\\1\\2", a)
a2
[1] "TKN_p1"
b <- "X/ZHEB100/ZHN_VAR29380_timely.txt"
b2 <- sub("^.*/([A-Z]{3})_VAR\\d+_timely(_[^_.]+)?\\.[^.]*$", "\\1\\2", b)
b2
[1] "ZHN"

Answer 2

另一种解决方案，与Wiktor已有的解决方案不同的是：

library( magrittr )
data <- c( a, b )

首先得到＆＃34; ID＆＃34;通过拆分＆＃34; /＆＃34;，取最后一个值，然后取前三个字符：

ID <- strsplit( data, "/" ) %>%
    sapply( tail, n = 1 ) %>%
    substr( 1, 3 )

然后得到＆＃34;部分＆＃34;通过拆分＆＃34;及时＆＃34;和＆＃34; .txt＆＃34;，并取最后一个元素（可能是一个空字符串）：

part <- strsplit( data, "timely|.txt" ) %>%
    sapply( tail, n = 1 )

现在只需将它们粘贴在一起即可获得结果：

output <- paste0( ID, part )
output
[1] "TKN_p1" "ZHN"

或者，如果您不想创建中间对象：

output <- strsplit( data, "/" ) %>%
    sapply( tail, n = 1 ) %>%
    substr( 1, 3 ) %>%
    paste0( strsplit( data, "timely|.txt" ) %>%
                      sapply( tail, n = 1 ) )

提取2个字符串部分

2 个答案: