如何使用str split将字符串拆分为具有多个分隔符的字符

Question

我的输入是这样的，

x
  nct_id                            drug
1 NCT100            paracetomol+velacade
2 NCT123                      bortezomib
3 NCT145                        velacade
4 NCT645           velacade,dexamethaone
5 NCT768             bortezomib||velacde
6 NCT890 velacade\\bortezomib\\ethonisde

我使用以下代码一次根据各种分隔符分割第2列

 y2<-strsplit(x[,2],split="[||,,,\\,+]")
> y2
[[1]]
[1] "paracetomol" "velacade" 

[[2]]
[1] "bortezomib"

[[3]]
[1] "velacade"

[[4]]
[1] "velacade"     "dexamethaone"

[[5]]
[1] "bortezomib" ""           "velacde"   

[[6]]
[1] "velacade"   "bortezomib" "ethonisde" 

我在5点获得额外的空间或角色，以便如何避免它

Answer 1

您也可以通过修改正则表达式来解决此问题。我添加了第二个反斜杠来逃避第一个反斜杠并直接解决你的问题，添加了一个＆＃34; +＆＃34;告诉正则表达式引擎允许重复字符类中的尽可能多的字符＆＃34; [\ |，+]＆＃34;彼此相邻。

请注意，我将药物变量包装在as.character中，因为它是一个因子变量，因为read.table默认情况下将字符串转换为因子。

strsplit(as.character(df$drug), split="[\\|,+]+")
[[1]]
[1] "paracetomol" "velacade"   

[[2]]
[1] "bortezomib"

[[3]]
[1] "velacade"

[[4]]
[1] "velacade"     "dexamethaone"

[[5]]
[1] "bortezomib" "velacde"   

[[6]]
[1] "velacade"   "bortezomib" "ethonisde"

数据

df <- read.table(header=TRUE, text="nct_id  drug
1 NCT100            paracetomol+velacade
2 NCT123                      bortezomib
3 NCT145                        velacade
4 NCT645           velacade,dexamethaone
5 NCT768             bortezomib||velacde
6 NCT890 velacade\\bortezomib\\ethonisde")

Answer 2

我们可以使用str_extract

library(stringr)
str_extract_all(x$drug, "[A-Za-z]+")
#[[1]]
#[1] "paracetomol" "velacade"   

#[[2]]
#[1] "bortezomib"

#[[3]]
#[1] "velacade"

#[[4]]
#[1] "velacade"     "dexamethaone"

#[[5]]
#[1] "bortezomib" "velacde"   

#[[6]]
#[1] "velacade"   "bortezomib" "ethonisde"