删除冒号前的所有文本

Posted 2023-03-11

【中文标题】删除冒号前的所有文本

【英文标题】：Remove all text before colon

【发布时间】：2012-08-31 03:24:49

【问题描述】：

我有一个包含一定行数的文件。每行如下所示：

TF_list_to_test10004/Nus_k0.345_t0.1_e0.1.adj:PKMYT1

我想删除“：”之前的所有字符，以便仅保留作为基因名称的 PKMYT1。 由于我不是正则表达式脚本方面的专家，任何人都可以帮助我使用 Unix（sed 或 awk）或在 R 中执行此操作吗？

【参考方案1】：

在 R 中有两种方法：

foo <- "TF_list_to_test10004/Nus_k0.345_t0.1_e0.1.adj:PKMYT1"

# Remove all before and up to ":":
gsub(".*:","",foo)

# Extract everything behind ":":
regmatches(foo,gregexpr("(?<=:).*",foo,perl=TRUE))

【讨论】：

另外，如果任何基因名称本身可能包含:，您可以使用gsub("^[^:]*:", "", foo)匹配并替换到第一个 :跨度>

【参考方案2】：

与gsub()一起使用的简单正则表达式：

x <- "TF_list_to_test10004/Nus_k0.345_t0.1_e0.1.adj:PKMYT1"
gsub(".*:", "", x)
"PKMYT1"

请参阅 ?regex 或 ?gsub 以获取更多帮助。

【参考方案3】：

R 中肯定有超过 2 种方式。这是另一种方式。

unlist(lapply(strsplit(foo, ':', fixed = TRUE), '[', 2))

如果字符串的长度恒定，我想substr 会比这个或正则表达式方法更快。

【讨论】：

我怀疑这可能是给出的最快的 R 解决方案。 +1

【参考方案4】：

使用 sed：

sed 's/.*://' < your_input_file > output_file

这将用冒号替换任何内容，因此它将删除所有内容，包括每行最后一个冒号 (because * is greedy by default)。

根据 Josh O'Brien 的评论，如果您只想替换第一个冒号（包括第一个冒号），请执行以下操作：

sed "s/[^:]*://"

这将匹配任何不是冒号的内容，后跟一个冒号，然后替换为空。

请注意，对于这两种模式，它们都会在每行的第一个匹配项处停止。如果您想对一行中的每个匹配项进行替换，请在命令末尾添加 'g' (global) 选项。

另请注意，在 linux（但不是 OSX）上，您可以使用 -i 就地编辑文件，例如：

sed -i 's/.*://' your_file

【参考方案5】：

你可以像这样使用awk：

awk -F: 'print $2' /your/file

【参考方案6】：

使用stringr 包中的str_remove 的解决方案：

str_remove("TF_list_to_test10004/Nus_k0.345_t0.1_e0.1.adj:PKMYT1", ".*:")
[1] "PKMYT1"

【参考方案7】：

我从@Sacha Epskamp 的最佳回复中错过的一些非常简单的举动是使用 sub 函数，在这种情况下，取“：”之前的所有内容（而不是删除它），所以它非常简单：

foo <- "TF_list_to_test10004/Nus_k0.345_t0.1_e0.1.adj:PKMYT1"

# 1st, as she did to remove all before and up to ":":
gsub(".*:","",foo)

# 2nd, to keep everything before and up to ":": 
gsub(":.*","",foo)

基本上，同样的事情，只是改变子参数内的“：”位置。希望它会有所帮助。

【参考方案8】：

如果您有 GNU coreutils 可用，请使用 cut：

cut -d: -f2 infile

【参考方案9】：

我正在研究类似的问题。 John 和 Josh O'Brien 的建议起到了作用。我从这个小标题开始：

library(dplyr)
my_tibble <- tibble(Col1=c("ABC:Content","BCDE:MoreContent","FG:Conent:with:colons"))

看起来像：

  | Col1 
1 | ABC:Content 
2 | BCDE:MoreContent 
3 | FG:Content:with:colons

我需要创建这个小标题：

  | Col1                  | Col2 | Col3 
1 | ABC:Content           | ABC  | Content 
2 | BCDE:MoreContent      | BCDE | MoreContent 
3 | FG:Content:with:colons| FG   | Content:with:colons

并使用此代码（R 版本 3.4.2）这样做。

my_tibble2 <- mutate(my_tibble
        ,Col2 = unlist(lapply(strsplit(Col1, ':',fixed = TRUE), '[', 1))
        ,Col3 = gsub("^[^:]*:", "", Col1))

【参考方案10】：

以下是 2 个等效的解决方案：

第一个使用 perl 的 -a 自动拆分功能将每一行拆分为使用 : 的字段，填充 F 字段数组，并打印第二个字段 $F[1]（从字段 0 开始计数）

perl -F: -lane 'print $F[1]' file

第二个使用正则表达式将s///从^替换为行首，.*:任何以冒号结尾的字符，没有

perl -pe 's/^.*://' file