R：使用 strsplit() 在两个字符之间拆分字符串答案

【问题标题】：R: splitting a string between two characters using strsplit()R：使用 strsplit() 在两个字符之间拆分字符串
【发布时间】：2014-02-09 14:06:14
【问题描述】：

假设我有以下字符串：

s <- "ID=MIMAT0027618;Alias=MIMAT0027618;Name=hsa-miR-6859-5p;Derives_from=MI0022705"

我想恢复";" 和"=" 之间的字符串以获得以下输出：

[1] "MIMAT0027618"  "MIMAT0027618"  "hsa-miR-6859-5p"  "MI0022705"

我可以将strsplit() 与多个拆分元素一起使用吗？

【问题讨论】：

标签： r split strsplit

【解决方案1】：

1) strsplit with matrix试试这个：

> matrix(strsplit(s, "[;=]")[[1]], 2)[2,]
[1] "MIMAT0027618"    "MIMAT0027618"    "hsa-miR-6859-5p" "MI0022705"

2) strsplit 与 gsub 或 strsplit 与 gsub 的使用：

> strsplit(gsub("[^=;]+=", "", s), ";")[[1]]
[1] "MIMAT0027618"    "MIMAT0027618"    "hsa-miR-6859-5p" "MI0022705"

3) strsplit 与 sub 或 strsplit 与 sub 的使用：

> sub(".*=", "", strsplit(s, ";")[[1]])
[1] "MIMAT0027618"    "MIMAT0027618"    "hsa-miR-6859-5p" "MI0022705"

4) strapplyc 或 this 在等号后提取连续的非分号：

> library(gsubfn)
> strapplyc(s, "=([^;]+)", simplify = unlist)
[1] "MIMAT0027618"    "MIMAT0027618"    "hsa-miR-6859-5p" "MI0022705"

添加了额外的strplit 解决方案。

【讨论】：

酷 - 基于此，我找到了一种方法来提取分割的第三个元素 hsa-miR-something 为数据框中的每一行使用：unlist(apply(B, MARGIN=1, FUN=function(x) matrix(strsplit(x[column number], "[;=]")[[1]], 2)[2,][3]))
请注意，您评论中的代码简化为matrix(strsplit(s, "[;=]")[[1]], 2)[2, 3]

【解决方案2】：

我知道这是一个老问题，但我发现使用环视正则表达式非常优雅：

library(stringr)
your_string <- '/this/file/name.txt'
result <- str_extract(string = your_string, pattern = "(?<=/)[^/]*(?=\\.)")
result

一句话，

(?<=...) 部分看起来在之前是 a... 的所需字符串（在本例中为正斜杠）。
[^/]* 然后在一行中查找尽可能多的非正斜杠字符（在本例中为 name.txt）。
(?=...) 然后在所需字符串后查找...（在本例中为特殊句点字符，需要将其转义为\\.）。

这也适用于数据框：

library(dplyr)
strings <- c('/this/file/name1.txt', 'tis/other/file/name2.csv')
df <- as.data.frame(strings) %>% 
  mutate(name = str_extract(string = strings, pattern = "(?<=/)[^/]*(?=\\.)"))
# Optional
names <- df %>% pull(name)

或者，在你的情况下：

your_string <- "ID=MIMAT0027618;Alias=MIMAT0027618;Name=hsa-miR-6859-5p;Derives_from=MI0022705" 
result <- str_extract(string = your_string, pattern = "(?<=;Alias=)[^;]*(?=;)") 
result # Outputs 'MIMAT0027618'

【讨论】：