用R提取字符串中间的字符串答案

【问题标题】：Extract character string in middle of string with R用R提取字符串中间的字符串
【发布时间】：2020-10-22 07:35:23
【问题描述】：

我的字符串看起来像这样：

a <- c("miRNA__hsa-mir-521-3p.iso.t5:", "miRNA__hsa-mir-947b.ref.t5:")

我只想提取中间部分，例如。 hsa-mir-521-3p 和 hsa-mir-947b

到目前为止，我已经尝试了以下方法：

a1 <- substr(a, 8,21) 
[1] "hsa-mir-521-3p" "hsa-mir-947b.r"

这显然不起作用，因为我想要的子字符串有不同的长度

a2 <- sub('miRNA__', '', a)
[1] "hsa-mir-521-3p.iso.t5:" "hsa-mir-947b.ref.t5:"

这可以删除上游字符串 (“miRNA__”)，但我仍然需要删除下游字符串

有人可以建议我还可以尝试什么，或者是否有更简单的方法来实现这一目标？我还在学习如何使用 R 进行编码。非常感谢！

【问题讨论】：

标签： r substring

【解决方案1】：

您尚未明确定义“中间部分”，但根据共享的数据，我们可以提取最后一个下划线 ("_") 和点 (".") 之间的所有内容。

sub('.*_(.*?)\\..*', '\\1', a)
#[1] "hsa-mir-521-3p" "hsa-mir-947b"

【讨论】：

【解决方案2】：

你可以试试下面的正则表达式

> gsub(".*_|\\..*","",a)
[1] "hsa-mir-521-3p" "hsa-mir-947b"

删除最左边的 (.*_) 和最右边的 (\\..*) 部分，因此保留中间部分。

【讨论】：

【解决方案3】：

我们也可以使用base R中的trimws

trimws(a, whitespace = '.*_|\\..*')
#[1] "hsa-mir-521-3p" "hsa-mir-947b"

【讨论】：