0

我有一个看起来像这样的字符串向量：

G30(H).G3(M).G0(L).Replicate(1)

迭代c("H", "M", "L")，我想提取G30（for“ H”），G3（for“ M”）和G0（for“ L”）。

我的各种尝试让我感到困惑 -regex101.com调试器，例如表明(\w*)\(M\)工作正常，但将其转移到 R 失败......

4

5 回答 5

2

使用stringi包和outer()功能：

library(stringi)

strings <- c(
  "G30(H).G3(M).G0(L).Replicate(1)",
  "G5(M).G11(L).G6(H).Replicate(9)",
  "G10(M).G6(H).G8(M).Replicate(200)"  # No "L", repeated "M"
)
targets  <- c("H", "M", "L")
patterns <- paste0("\\w+(?=\\(", targets, "\\))")
matches  <- outer(strings, patterns, FUN = stri_extract_first_regex)
colnames(matches) <- targets
matches
#      H     M    L    
# [1,] "G30" "G3" "G0" 
# [2,] "G6"  "G5" "G11"
# [3,] "G6"  "G10" NA

这将忽略第一个之后的目标字母的任何实例，在NA找不到目标时为您提供一个，并在一个简单的矩阵中返回所有内容。patterns存储在匹配子字符串中的正则表达式，例如XX(Y)，其中Y是目标字母并且XX是任意数量的单词字符。

于 2017-08-15T15:09:44.727 回答
1

我很确定有更好的解决方案，但这有效......

jnk <- 'G30(H).G3(M).G0(L).Replicate(1)'
patter <- '([^\\(]+)\\(H\\)\\.([^\\(]+)\\(M\\)\\.([^\\(]+)\\(L\\)\\.Replicate\\(\\d+\\)'
H <- sub(patter, '\\1', jnk)
M <- sub(patter, '\\2', jnk)
L <- sub(patter, '\\3', jnk)

编辑：

实际上，我曾经发现一个非常好的函数parse.one，它可以像正则表达式那样以 python 的方式进行更多搜索......

看看这个：

parse.one <- function(res, result) {
  m <- do.call(rbind, lapply(seq_along(res), function(i) {
    if(result[i] == -1) return("")
    st <- attr(result, "capture.start")[i, ]
    substring(res[i], st, st + attr(result, "capture.length")[i, ] - 1)
  }))
  colnames(m) <- attr(result, "capture.names")
  m
}
jnk <- 'G30(H).G3(M).G0(L).Replicate(1)'
pattern <- '(?<H>[^\\(]+)\\(H\\)\\.(?<M>[^\\(]+)\\(M\\)\\.(?<L>[^\\(]+)\\(L\\)\\.Replicate\\(\\d+\\)'
parse.one(jnk, regexpr(pattern, jnk, perl=TRUE))

结果如下所示：

> parse.one(jnk, regexpr(pattern, jnk, perl=TRUE))
     H     M    L   
[1,] "G30" "G3" "G0"
于 2017-08-15T11:49:50.483 回答
1

如果顺序始终相同，则另一种方法可能是拆分字符串。例如：

string <- "G30(H).G3(M).G0(L).Replicate(1)"
tmp <- str_split(string, "\\.")[[1]]
lapply(tmp[1:3], function(x) str_split(x, "\\(")[[1]][1])
[[1]]
[1] "G30"

[[2]]
[1] "G3"

[[3]]
[1] "G0"
于 2017-08-15T12:30:36.517 回答
1

如果标签（例如，'（H）。'）之前的代码（例如，'G30'）或字符串中标签的顺序允许更改（不同的字母或长度），您可能想尝试更灵活基于regexpr()的解决方案。

aa <-paste("G30(H).G3(M).G0(L).Replicate(",1:10,")", sep="")
my.tags <- c("H","M", "L")

extr.data <- lapply(my.tags, (function(tag){
  pat <-  paste("\\(", tag, "\\)\\.", sep="")
  pos <- regexpr(paste("(^|\\.)([[:alnum:]])*", pat ,sep=""), aa)
  out <- substr(aa, pos, (pos+attributes(pos)$match.length - 4 - length(tag)))  
  gsub("(^\\.)", "", out) 
}))
names(extr.data) <- my.tags
extr.data
于 2017-08-15T13:07:46.863 回答
1

我将假设函数 (G...) 是可变的并且输入是可变的。这确实假设您的函数以 G 开头，并且您的输入始终是一个字母。

parse = function(arb){
  tmp = stringi::stri_extract_all_regex(arb,"G.*?\\([A-Z]\\)")[[1]]
  unlist(lapply(lapply(tmp,strsplit,"\\)|\\("),function(x){
    output = x[[1]][1]
    names(output) = x[[1]][2]
    return(output)
  }))
}

这首先解析出所有 G 函数及其输入。然后，它们中的每一个都被分成它们的功能部分和它们的输入部分。这是放入以其输入命名的函数的字符向量中。

parse("G30(H).G3(M).G0(L).Replicate(1)")
>     H     M     L 
  "G30"  "G3"  "G0"

或者

parse("G35(L).G31(P).G02(K).Replicate(1)")
>     L     P     K 
  "G35" "G31" "G02"
于 2017-08-15T13:14:17.083 回答