Question

我有 row.names 像这样：

输入：

 S1_S2_S3_S9_AAACTGATFSRYB
 S3_S4_S12_S1_TTTTTTGATFSRYB
 S9_S4_S12_S1_S2_S19_S22_GTGTTTGATFSRYB

，我想要以下内容：

 S9_AAACTGATFSRYB
 S1_TTTTTTGATFSRYB
 S22_GTGTTTGATFSRYB

换句话说，我只想保留字母开头前的最后一个S *。我总共有6000行

有人可以帮我写一个 gsub 或类似的东西来提取我需要的字符串吗？

Answer 1

尝试

a =c(
"S1_S2_S3_S9_AAACTGATFSRYB",
"S3_S4_S12_S1_TTTTTTGATFSRYB",
"S9_S4_S12_S1_S2_S19_S22_GTGTTTGATFSRYB"
)


gsub("^.*_(.*_.+)$","\\1",a)
#> [1] "S9_AAACTGATFSRYB"   "S1_TTTTTTGATFSRYB"  "S22_GTGTTTGATFSRYB"

由reprex package（v0.2.0.9000）创建于2018-07-18。

编辑：在正则表达式上添加说明：

^.*_匹配从开始（^）到最后一个下划线的字符串
(.*_.+)匹配带下划线的字符串，结合第一部分，它将匹配我们想要的最后一个下划线和周围环境。
()和\1：

后向引用\ N，其中N = 1 ... 9，与先前由正则表达式的第N个括号化的子表达式匹配的子字符串匹配。

Answer 2

非 regex 解决方案：

sapply(strsplit(a, "_"), function(i) paste(tail(i, n = 2), collapse = "_"))
# [1] "S9_AAACTGATFSRYB"   "S1_TTTTTTGATFSRYB"  "S22_GTGTTTGATFSRYB"

Answer 3

使用正则表达式和Stringr的替代方法

stringr::str_extract(a,"[^_]+_[^_]+$")
#[1] "S9_AAACTGATFSRYB"   "S1_TTTTTTGATFSRYB"  "S22_GTGTTTGATFSRYB"

在特定模式之前将字符串的一部分细分

3 个答案: