提取字符串的子集答案

【问题标题】：extracting a subset of a string提取字符串的子集
【发布时间】：2017-02-18 14:32:43
【问题描述】：

我的数据框中的列名包含类似于“S156 B1-1 U500 (HTA-1 0).SST RMA gene.sst-rma-gene-full-Signal”的名称。我想删除括号后的所有内容（包括括号）。

我已经看过extract a substring in R according to a pattern 和Getting a sub string from a vector of strings 的话题，但还是很疑惑。

我尝试过sub('(HTA-1 0).*','', colnames(data))，但输出类似于 S156 B1-1 U500 (. 我应该如何删除括号？谢谢

【问题讨论】：

sub('\\(.*','', colnames(data),perl = T) 应该可以。

标签： r string substring gsub

【解决方案1】：

目前尚不清楚预期的输出。如果我们想去掉)之后的子串，那么匹配)后面跟字符（.*），替换成)

sub("\\).*", ")", str1)
#[1] "S156 B1-1 U500 (HTA-1 0)"

或者如果我们想删除以(开头的字符串，匹配0个或多个空格（\\s*）后跟(和其他字符并用空格替换（""）

sub("\\s*\\(.*", "", str1)
#[1] "S156 B1-1 U500"

上述正则表达式的更快替代方法是使用来自stringi 的stri_replace

library(stringi)
stri_replace(str1, regex = "\\s*\\(.*", "")
#[1] "S156 B1-1 U500"

数据

str1 <- "S156 B1-1 U500 (HTA-1 0).SST RMA gene.sst-rma-gene-full-Signal"

【讨论】：

【解决方案2】：

一个好的正则表达式可以处理这个问题。

String =  "S156 B1-1 U500 (HTA-1 0).SST RMA gene.sst-rma-gene-full-Signal"
sub("(.*?)\\(.*", "\\1", String)
[1] "S156 B1-1 U500 "

一些细节：
\\( 部分查找左括号。前面的(.*?) 将括号前的字符串部分转换为捕获组。句点 . 匹配任何字符。 .* 表示零个或多个字符 - 尽可能多地到达后面的括号。我使用了.*?，因为默认是“贪婪”匹配，尽可能多地使用直到 last 左括号。通过添加 ?，它会关闭贪婪，并且只进入第一个括号。整个.*? 部分在括号(.*?) 内。这就是使它成为捕获组的原因，因此与此部分匹配的任何内容都存储在变量 \1 中。
.* 在括号匹配字符串的其余部分之后。因此，模式匹配字符串中的所有内容，保存括号之前的部分。它被捕获的字符串替换。在sub 中，第二个参数是替换匹配字符串的内容。我用\\1 告诉它使用变量\1。需要额外的反斜杠，因为反斜杠会转义字符，所以我必须转义转义字符才能说我只是指字符反斜杠。

【讨论】：

感谢@G5W！工作得很好。你能解释一下 "(.*?)\(.*", "\\1" this 吗？