提取两个字符R之间的字符[重复]

Posted 2023-03-23

【中文标题】提取两个字符R之间的字符[重复]

【英文标题】：Extract characters between two characters R [duplicate]

【发布时间】：2020-01-29 06:32:57

【问题描述】：

我有一个 df，我想提取 './' 和 '.v8' 之间的组织名称 所以对于这个df，结果将是一个只有“甲状腺”、“食道肌肉”、“脂肪”的列

gene<-c("ENSG00000065485.19","ENSG00000079112.9","ENSG00000079112")
tissue<-c("./Thyroid.v8.signif_variant_gene_pairs.txt.gz","./Esophagus_Muscularis.v8.signif_variant_gene_pairs.txt.gz","./Adipose_Subcutaneous.v8.signif_variant_gene_pairs.txt.gz")
df<-data.frame(gene,tissue)

我真的很纠结于正则表达式并尝试过：

pattern="/.\(.*)/.v8(.*)"
result <- regmatches(df$tissue,regexec(pattern,df$tissue))

但我明白了：

错误：'(' 是字符串开头的无法识别的转义 ""/.("

【问题讨论】：

qdapRegex::ex_between(df$tissue, "/", ".v8")

我如何使它成为一列字符串而不是列表？？

unlist他们，unlist(qdapRegex::ex_between(df$tissue, "/", ".v8"))

【参考方案1】：

在R，我们需要转义（\）。在这里，我们使用了匹配单词 (\\w+) 的正则表达式查找，该单词在 .（元字符 - 转义）和 \ 之后，然后是 .（\\ 转义）和 'v8'

library(stringr)
library(dplyr)
df %>% 
    mutate(new = str_extract(tissue, "(?<=\\.[/])\\w+(?=\\.v8)"))
#             gene                                                     tissue                  new
#1 ENSG00000065485.19              ./Thyroid.v8.signif_variant_gene_pairs.txt.gz              Thyroid
#2  ENSG00000079112.9 ./Esophagus_Muscularis.v8.signif_variant_gene_pairs.txt.gz Esophagus_Muscularis
#3    ENSG00000079112 ./Adipose_Subcutaneous.v8.signif_variant_gene_pairs.txt.gz Adipose_Subcutaneous

(?<=\\.[/]) - 是正向向后查找，以匹配 . 和单词前面的 / (\\w+)，以及 (?=\\.v8) - 正向向后查找以匹配 . 和字符串 'v8 '在这个词之后。因此，基本上，它会查找前后有模式的单词并提取该单词

【讨论】：

哇！那行得通-谢谢。你能解释一下正则表达式吗？我理解'\\。'正在转义特殊字符“。”我认为 \\w+ 是任何单词或字符，但不知道其余的？

@zoe 谢谢。我更新了一些描述

嗨@akrun，抱歉，但我有一些行在字符串中有一个'-'，例如'./Cells_EBV-transformed_lymphocytes.v8.signif_varianiant_gene_pairs.txt.gz'，我认为这会导致'不”。有没有办法也抓住'-'？？

@zoe 那会不会使欺骗链接不是欺骗？