R在R中提取字符串的一部分答案

【问题标题】：R extract a part of a string in RR在R中提取字符串的一部分
【发布时间】：2012-09-15 23:35:53
【问题描述】：

我有 500 万个序列（具体来说是探测），如下所示。我需要从每个字符串中提取名称。

这里的名字是 1007_s_at:123:381, 10073_s_at:128:385 等等..

我正在使用 lapply 功能，但它花费了太多时间。我还有其他几个类似的文件。你会建议一种更快的方法来做到这一点。

 nm = c(
  "probe:HG-Focus:1007_s_at:123:381; Interrogation_Position=3570; Antisense;",
  "probe:HG-Focus:1007_s_at:128:385; Interrogation_Position=3615; Antisense;",
  "probe:HG-Focus:1007_s_at:133:441; Interrogation_Position=3786; Antisense;",
  "probe:HG-Focus:1007_s_at:142:13; Interrogation_Position=3878; Antisense;" ,
  "probe:HG-Focus:1007_s_at:156:191; Interrogation_Position=3443; Antisense;",
  "probe:HTABC:1007_s_at:244:391; Interrogation_Position=3793; Antisense;")

extractProbe <- function(x) sub("probe:", "", strsplit(x, ";", fixed=TRUE)[[1]][1], ignore.case=TRUE)
pr = lapply(nm, extractProbe)

输出

1007_s_at:123:381
1007_s_at:128:385
1007_s_at:133:441
1007_s_at:142:13
1007_s_at:156:191
1007_s_at:244:391

【问题讨论】：

老兄，只需将其保存到文本文件中并运行 grep 或类似的东西。您使用了错误的工具。
1) 请通过向我们提供一些我们可以轻松放入 R 会话中的代码来使您的示例可重现，2) 在 linux/unix 上尝试 mclapply() 或在 Windows 上尝试 parlapply 以并行运行它.您可能也可以使您的功能更快，但我不会通过将您的数据放入我的 R 会话来找出答案。
你能澄清一下“HG-Focus:”是否应该是输出的一部分？
HG-Focus 不应该出现在输出中。

标签： string r lapply

【解决方案1】：

使用正则表达式：

sub("probe:(.*?):(.*?);.*$", "\\2", nm, perl = TRUE)

一点解释：

. 表示“任何字符”。
.* 表示“任意数量的字符”。
.*? 表示“任意数量的字符，但不要贪心。
括号内的模式被捕获并分配给\\1、\\2等。
$ 表示行尾（或字符串）。

所以在这里，模式匹配整行，并通过两个(.*?) 捕获两件事：HG-Focus（或其他）你不想要的东西\\1 和你的 id 作为\\2。通过将替换设置为 \\2，我们有效地将整个字符串替换为您的 id。

我现在意识到没有必要捕捉第一件事，所以这也可以：

sub("probe:.*?:(.*?);.*$", "\\1", nm, perl = TRUE)

【讨论】：

很抱歉没有这么具体。 HG-FOCUS 可能是其他文件中的不同字符串。
工作。但你能解释一下吗（特别是“\\2”）

【解决方案2】：

迂回技巧：

sapply(strsplit(sapply(strsplit(nm, "e:"), "[[", 2), ";"), "[[", 1)

【讨论】：