在R中拆分没有分隔符的字符串

Question

我在R 中有一个字符向量，每个元素都包含一个字符串 - 让我们使用这个示例：

my.files <- c("AWCallibration#NoneBino-3", "AWExperiment1#NoneBino-1", "AWExperiment2#NonemonL-2"
)

我想从这些字符串中提取某些信息 -

1. 首先，两个大写字母字符（在这种情况下，总是"AW"）
2. 试验是用于校准 ("Callibration") 还是数据收集 - 如果是后者，则使用哪种条件（"Experiment1" 或 "Experiment2"）
3. 在此特定试验中使用了哪个子条件（"Bino" 或 "monL"）
4. 子条件的重复（"1"或"2"）

我第一次尝试使用strsplit，但这似乎只适用于带有常规分隔符的情况，例如"_"。 substring 似乎更适合我的需求，但实际上并没有起作用，因为在常规位置不会发生拆分（"Experiment1" 是十一个元素长，"Callibration" 是十二个元素）。

我怀疑使用正则表达式可能是这里的答案，但我不知道如何解释拆分之间的不同长度。

Answer 1

可以一一提取信息：

first <- substr(my.files, 1, 2)
# [1] "AW" "AW" "AW"

second <- sub("^..(.*)#.*", "\\1", my.files)
# [1] "Callibration" "Experiment1"  "Experiment2" 

third <- sub("^.*#None(.*)-\\d+$", "\\1", my.files)
# [1] "Bino" "Bino" "monL"

fourth <- sub(".*-(\\d+)$", "\\1", my.files)
# [1] "3" "1" "2"

---

多合一命令：

strsplit(my.files, "(?<=^..)(?=[A-Z])|#None|-", perl = TRUE)
# [[1]]
# [1] "AW"           "Callibration" "Bino"         "3"           
# 
# [[2]]
# [1] "AW"          "Experiment1" "Bino"        "1"          
# 
# [[3]]
# [1] "AW"          "Experiment2" "monL"        "2"          

Answer 2

这里有几个不同的解决方案：

gsubfn::strapplyc试试这个：

library(gsubfn)
pat <- "(..)(.*)#None(.*)-(.*)"
strapplyc(my.files, pat, simplify = rbind)

给出：

     [,1] [,2]           [,3]   [,4]
[1,] "AW" "Callibration" "Bino" "3" 
[2,] "AW" "Experiment1"  "Bino" "1" 
[3,] "AW" "Experiment2"  "monL" "2" 

注意在gsubfn package的开发版本中有一个read.pattern命令可以像这样使用上面的pat：read.pattern(text = my.files, pattern = pat, as.is = TRUE)。

sub/strsplit 这是另一种解决方案。它在第二个字符后插入一个减号，然后用减号或#None 分割每个条带：

my.files2 <- sub("(..)", "\\1-", my.files)
do.call(rbind, strsplit(my.files2, "-|#None"))

给出：

     [,1] [,2]           [,3]   [,4]
[1,] "AW" "Callibration" "Bino" "3" 
[2,] "AW" "Experiment1"  "Bino" "1" 
[3,] "AW" "Experiment2"  "monL" "2"

gsub/read.table 这里我们使用gsub 在前两个字符后插入一个减号，并将#None 替换为减号。然后我们使用read.table 和一个负号sep 来读取它：

withMinus <- gsub("^(..)|#None", "\\1-", my.files)
read.table(text = withMinus, sep = "-", as.is = TRUE)

  V1           V2   V3 V4
1 AW Callibration Bino  3
2 AW  Experiment1 Bino  1
3 AW  Experiment2 monL  2

修订：

• 更正和第二种解决方案。
• 第三种解决方案。