删除单元格内多次出现的字符串部分答案

【问题标题】：Remove part of string with multiple occurences inside cell删除单元格内多次出现的字符串部分
【发布时间】：2023-02-24 01:21:57
【问题描述】：

我有以下数据框：

bla = data.frame(mycol = "bla_v2_2072|ID:61462952|;bla_v2_0113|ID:61460993|")

我想删除第一个“|”之后的所有内容，但该单元格基本上包含两个由“;”分隔的子字符串。

现在，我试过了

gsub("\\|.*","",bla$mycol)

这给了我bla_v2_2072，但我期望的是

bla_v2_2072;bla_v2_0113

【问题讨论】：

标签： r regex string gsub

【解决方案1】：

我们可能会使用

library(dplyr)
library(tidyr)
library(stringr)
bla %>% 
  mutate(rn = row_number()) %>% 
  separate_longer_delim(mycol, delim = ";") %>% 
   reframe(mycol = str_c(str_remove(mycol, "\|.*"), 
   collapse = ";"), .by = 'rn') %>%
  select(-rn)

-输出

                   mycol
1 bla_v2_2072;bla_v2_0113

或者使用base R

gsub("(\w+)(\|ID:\d+\|)", "\1", bla$mycol)
[1] "bla_v2_2072;bla_v2_0113"

【讨论】：

【解决方案2】：

使用gsub()：

bla$mycol <- gsub("(\|.*?(?=;))|(\|[^;]*$)", "", bla$mycol, perl = TRUE)

或者在 tidyverse 中使用相同的正则表达式模式：

library(dplyr)
library(stringr)

bla %>% 
  mutate(mycol = str_remove_all(mycol, "(\|.*?(?=;))|(\|[^;]*$)"))

结果：

                    mycol
1 bla_v2_2072;bla_v2_0113

解释：

"(\|.*?(?=;))              # literal '|' and following characters up to next ';'
              |             # or
               (\|[^;]*$)" # literal '|' through end of string if no intervening ';'

【讨论】：

【解决方案3】：

gsub("\|[^|]+\|", "", bla$mycol)
#> [1] "bla_v2_2072;bla_v2_0113"

模式解释：转义“|”其次是一切不是“|”至少一次然后再一个“|”

【讨论】：

为什么要投反对票？

【解决方案4】：

您可以先用“;”分隔字符串然后删除“|”之后的所有内容。最后，使用paste0 将它们连接起来。

> paste0(sub("\|.*","", unlist(strsplit(bla$mycol, split=";"))), collapse = "; ")
[1] "bla_v2_2072; bla_v2_0113"

【讨论】：

是的，我明白了，但是他们又需要用;连接起来
@Saraha 我更新了我的答案。