2

我想在 R 中有一个函数，如果它们不存在，则在给定的子字符串（例如“alpha”）周围插入点（“。”）。例如 string="10-alpha-epoxy-Amorph-4-ene"应该返回

"10-.alpha.-epoxy-Amorph-4-ene"

string="alpha-cadolene"应该返回

".alpha.-cadolene"

但 string=".alpha.-cadolene"应该返回

".alpha.-cadolene"

（子字符串可能出现多次）

在 R 中使用 gsub 完成此任务的最简单方法是什么？

干杯，汤姆

4

2 回答 2

5

我会做这样的事情：

gsub("[.]?(alpha)[.]?", ".\\1.", c("10-alpha-epoxy-Amorph-4-ene",
                               ".alpha.-cadolene", "alpha.-cadolene",
                                ".alpha-cadolene"                              
                                 ))
[1] "10-.alpha.-epoxy-Amorph-4-ene" ".alpha.-cadolene"             
    ".alpha.-cadolene"              ".alpha.-cadolene"

编辑对许多术语的概括：

如果您有术语列表，则可以使用 create tour 正则表达式paste：

terms <- c('alpha','gamma','beta','delta')

gsub(paste0("[.]?(",paste0(terms,collapse='|'),")[.]?"), ".\\1.", 
                c("10-alpha-epoxy-Amorph-4-ene",
                 ".gamma.-cadolene", "beta.-cadolene",
                 ".delta-cadolene")) 

[1] "10-.alpha.-epoxy-Amorph-4-ene" ".gamma.-cadolene"             
    ".beta.-cadolene"              
[4] ".delta.-cadolene"

编辑以全信形式获取 greels 列表：

library(XML)
dat <- readHTMLTable("http://en.wikipedia.org/wiki/Greek_alphabet",
                     strinsAsFactors=FALSE)[[2]]

terms <- as.character(dat$V2[-c(1,2)])
 [1] "alpha"   "beta"    "gamma"   "delta"   "epsilon" "zeta"    "eta"     "theta"   "iota"    "kappa"   "lambda" 
[12] "mu"      "Name"    "Modern"  "nu"      "xi"      "omicron" "pi"      "rho"     "sigma"   "tau"     "upsilon"
[23] "phi"     "chi"     "psi"     "omega"
于 2014-01-04T19:33:31.963 回答
1

这是一种方法：

R> gsub("-(alpha)-", ".-\\1-.", "10-.alpha.-epoxy-Amorph-4-ene")
[1] "10-.alpha.-epoxy-Amorph-4-ene"
R> gsub("-(alpha)-", ".-\\1-.", "10-alpha-epoxy-Amorph-4-ene")
[1] "10.-alpha-.epoxy-Amorph-4-ene"
R>

该(....)表达式被保留，便于在替换部分中将其召回为\\1（第二个这样的表达式将是\\2）。

但是明确命名表达式，您要确保不会发生其他匹配。您当然可以概括这一点：

gsub("-([a-z]*)-", ".-\\1-.", "10-.alpha.-epoxy-Amorph-4-ene")

将替换小写字母的任何表达式（但不是标点符号、数字……）。

于 2014-01-04T19:24:46.170 回答