使用 gsub 从字符串中删除部分模式答案

【问题标题】：Remove parts of pattern from string with gsub使用 gsub 从字符串中删除部分模式
【发布时间】：2016-02-29 02:55:17
【问题描述】：

我有一个这样的字符串列表（省略 58*5 例）：

participant_01_Bullpup_1.xml
participant_01_Bullpup_2.xml
participant_01_Bullpup_3.xml
participant_01_Bullpup_4.xml
participant_01_Bullpup_5.xml
#...Through to...
participant_60_Bullpup_1.xml
participant_60_Bullpup_2.xml
participant_60_Bullpup_3.xml
participant_60_Bullpup_4.xml
participant_60_Bullpup_5.xml

我想在这些上使用 gsub 以便最终得到（仅示例）：

01_1
60_5

目前，我的代码如下：

fileNames <- Sys.glob("part*.csv")

for (fileName in fileNames) {
    sample <- read.csv(fileName, header = FALSE, sep = ",")
    part   <- gsub("[^0-9]+", "", substring(fileName, 5, last = 1000000L))
    print(part)
}

这会产生以下字符串（示例）：

011
605

但是，我不知道如何在这些字符串之间保留一个下划线。

【问题讨论】：

标签： regex r gsub

【解决方案1】：

试试

sub('[^0-9]+_([0-9]+_).*([0-9]+).*', '\\1\\2', str1)
#[1] "01_1"

library(stringr)
sapply(str_extract_all(str1, '\\d+'), paste, collapse='_')

数据

str1 <- 'participant_01_Bullpup_1.xml'

【讨论】：

对不起，我要把 sapply 放在 sub 之前吗？脚本的第一部分就像一个奇迹
@MichaelAnderson 在sub 之前不需要sapply。您可以处理整个列，即sub(...., yourdf$yourcolumn)
我认为 str_extract_all_regex() 可能会带来更好的性能。

【解决方案2】：

这里还有一些选项（使用 akrun 的 str1）：

gsub("[^0-9_]+|(?<=\\D)_", "", str1, perl=TRUE)
#[1] "01_1"
sub(".+?(\\d+_).+?(\\d+).+", "\\1\\2", str1, perl=TRUE)
#[1] "01_1"
sub(".+?(\\d+).+?(\\d+).+", "\\1_\\2", str1, perl=TRUE)
#[1] "01_1"
paste(strsplit(str1, "\\D+")[[1]][-1], collapse="_")
#[1] "01_1"

如果您的模式确实如此一致（即在第一个数字之前有 12 个字符，然后是 8 个字符直到下一组数字，然后是 4 个更多字符），那么您可以明确地使用量词：

sub(".{12}(\\d+_).{8}(\\d+).{4}", "\\1\\2", str1)
#[1] "01_1"

或简单地使用适当的索引访问字符：

paste0(substr(str1, 13, 15), substr(str1, 24, 24))
#[1] "01_1"

【讨论】：