r - R：使用 strsplit() 在两个字符之间拆分字符串

Question

假设我有以下字符串：

s <- "ID=MIMAT0027618;Alias=MIMAT0027618;Name=hsa-miR-6859-5p;Derives_from=MI0022705"

我想恢复和之间的字符串";"以"="获得以下输出：

[1] "MIMAT0027618"  "MIMAT0027618"  "hsa-miR-6859-5p"  "MI0022705"

我可以使用strsplit()多个拆分元素吗？

Answer 1

1）strsplit与矩阵试试这个：

> matrix(strsplit(s, "[;=]")[[1]], 2)[2,]
[1] "MIMAT0027618"    "MIMAT0027618"    "hsa-miR-6859-5p" "MI0022705"   

2) strsplit 与 gsub或这种使用strsplitwith gsub：

> strsplit(gsub("[^=;]+=", "", s), ";")[[1]]
[1] "MIMAT0027618"    "MIMAT0027618"    "hsa-miR-6859-5p" "MI0022705"     

3) strsplit with sub或 this 使用strsplitwith sub：

> sub(".*=", "", strsplit(s, ";")[[1]])
[1] "MIMAT0027618"    "MIMAT0027618"    "hsa-miR-6859-5p" "MI0022705"   

4) strapplyc或 this 在等号后提取连续的非分号：

> library(gsubfn)
> strapplyc(s, "=([^;]+)", simplify = unlist)
[1] "MIMAT0027618"    "MIMAT0027618"    "hsa-miR-6859-5p" "MI0022705"  

添加了其他strplit解决方案。

Answer 2

我知道这是一个老问题，但我发现环顾正则表达式的使用对于这个问题非常优雅：

library(stringr)
your_string <- '/this/file/name.txt'
result <- str_extract(string = your_string, pattern = "(?<=/)[^/]*(?=\\.)")
result

言下之意，

1. 该(?<=...)部分在所需字符串之前...查找 a （在本例中为正斜杠）。
2. 然后[^/]*在一行中查找尽可能多的不是正斜杠的字符（在本例中为name.txt）。
3. 然后(?=...)查找所需的字符串 a ...（在本例中为特殊句点字符，需要将其转义为\\.）。

这也适用于数据框：

library(dplyr)
strings <- c('/this/file/name1.txt', 'tis/other/file/name2.csv')
df <- as.data.frame(strings) %>% 
  mutate(name = str_extract(string = strings, pattern = "(?<=/)[^/]*(?=\\.)"))
# Optional
names <- df %>% pull(name)

或者，在您的情况下：

your_string <- "ID=MIMAT0027618;Alias=MIMAT0027618;Name=hsa-miR-6859-5p;Derives_from=MI0022705" 
result <- str_extract(string = your_string, pattern = "(?<=;Alias=)[^;]*(?=;)") 
result # Outputs 'MIMAT0027618'