基于未知字符的部分匹配对字符串向量进行子集化

Posted 2023-02-14

【中文标题】基于未知字符的部分匹配对字符串向量进行子集化

【英文标题】：Subsetting a string vector based on a partial match of unknown characters

【发布时间】：2022-01-17 17:59:40

【问题描述】：

我有一个格式为 8 字符的文件名的向量

"/relative/path/to/folder/a(bc|de|fg)...[xy]1.sav"

其中括号包含两三个已知字符之一，而“...”是三个未知字符。我想匹配所有具有相同未知序列XXX的字符向量并排序到字符向量列表中。

我不确定如何继续。我正在考虑一种方法来提取第四到第六位的字母（...），然后放入一个向量中，然后使用 `grep 获取所有具有匹配字符串的文件。

例如

# Pseudo-code. Not functioning code, but sort of the thing I want to do

> char.extr <- str_extract(file.vector, !"a(bc|de|fg)...[xy]1.sav")
> char.extr

"JKL", "MNO" ,"PQR" ...

# Use grep and lapply to put matched strings into list

> path.list <- lapply(char.extr, grep, file.vector)

> path.list

  1. "/relative/path/to/folder/abcJKLx1.sav"
     "/relative/path/to/folder/adeJKLy1.sav"
  
  2. "/relative/path/to/folder/afgMNOx1.sav"
     "/relative/path/to/folder/abcMNOy1.sav"

【参考方案1】：

由于我们知道名称结构，我想提取 3 个字母的子字符串，然后使用 split 来获取您正在寻找的单个列表。

split(path.list, substr(basename(path.list), 4, 6))

【讨论】：

basename() 结合substr() 是我一直在寻找的东西。它确实分离出了所需的 3 个字母子字符串。但是，您的代码示例基本上将所有文件路径放入一个列表元素中，该元素以第一个子字符串命名。我尝试在我的代码示例中使用lapply：lapply(substr(basename(path.list), 4, 6), grep, path.list)，但这会导致 R 会话挂起。

更正。在没有 [[1]] 的情况下重新运行代码：split(path.list, substr(basename(path.list), 4, 6))。这可能是因为path.list 变量因 R 会话崩溃而丢失。

很高兴听到，没有可重复的例子，它很快就放在一起了。更正答案