R使用正则表达式在特殊字符（管道和<>）之前/之后摆脱字符串答案

【问题标题】：R get rid of string before/after special characters (pipe and <>) using regexR使用正则表达式在特殊字符（管道和<>）之前/之后摆脱字符串
【发布时间】：2021-06-30 03:37:10
【问题描述】：

我正在尝试删除字符串中特殊字符之前或之后的字符。

我的示例字符串如下所示：

test <- c(">P01923|description", ">P19405orf|description2")

我正在尝试获取> 键和| 键之间的部分，这样我就只剩下c("P01923", "P19405orf") 了。我试图通过两次使用gsub 来做到这一点，首先摆脱| 后面的所有内容，然后摆脱>。

如何让 R 使用正则表达式识别 | 和 > 等特殊字符？

【问题讨论】：

标签： r regex

【解决方案1】：

如果您使用"..." 指定字符常量，您还需要转义导致\\ 的\。但您也可以使用r"(...)" 指定原始字符常量，您可以使用一个\。

gsub(".*>|\\|.*", "", test)
[1] "P01923"    "P19405orf"

gsub(r"(.*>|\|.*)", "", test)
[1] "P01923"    "P19405orf"

这里.*> 删除了之前的所有内容和>，\|.* 删除了| 及其之后的所有内容，而两者之间的| 是一个或。

或者regexpr 和regmatches 可以像这样使用：

regmatches(test, regexpr("(?<=>)[^|]*", test, perl=TRUE))
#[1] "P01923"    "P19405orf"

其中(?<=>) 是> 的后缀，[^|]* 匹配所有内容，但不匹配|。

【讨论】：

【解决方案2】：

您可以在> 和| 之间提取文本。特殊字符可以用\\转义。

sub('>(.*)\\|.*', '\\1', test)
#[1] "P01923"    "P19405orf"

【讨论】：

谢谢！我很困惑，因为正则表达式网站似乎可以识别 `` 但我无法让它在 R 中工作，我猜该网站并不总是使用与 R 相同的语法。
是的，通常正则表达式网站使用单斜杠 \ 来转义特殊字符，而 R 使用两个。
这里的 R 并没有什么特别之处。在正则表达式上下文中，两个反斜杠表示一个文本反斜杠。四个反斜杠可用于表示实际的反斜杠字符。

【解决方案3】：

这是一个正则表达式拆分选项。我们可以在[>|]上拆分输入字符串，这样会将所需的子字符串留在输出向量的第二个位置。

test <- c(">P01923|description", ">P19405orf|description2")
unlist(lapply(strsplit(test, "[>|]"), function(x) x[2]))

[1] "P01923"    "P19405orf"

【讨论】：

【解决方案4】：

library(stringr)

test <- c(">P01923|description", ">P19405orf|description2")

#if '>' is always the first character
str_sub(test, 2, -1) %>%
  str_replace('\\|.*$', '')
#> [1] "P01923"    "P19405orf"

#if not
str_replace(test, '\\>', '') %>%
  str_replace('\\|.*$', '')
#> [1] "P01923"    "P19405orf"

#alternative way 
str_match(test, '\\>(.*)\\|')[, 2]
#> [1] "P01923"    "P19405orf"

^{由reprex package (v2.0.0) 于 2021-06-30 创建}

【讨论】：