在R语言中如何通过位置提取字符串的一部分

Question

我有一个字符串向量，看起来像这样：

string

。

ABC_EFG_HIG_ADF_AKF_MNB

现在我想从每个元素中提取第3组字符串（从左开始），即在此示例中为HIG。我如何在R中实现这一点？

- Rajarshi Bhadra

Answer 1

substr按位置提取子字符串：

substr('ABC_EFG_HIG_ADF_AKF_MNB', 9, 11)

返回

[1] "HIG"

- alistaire

Answer 2

这里有另一种可能性：

strsplit(str1,"_")[[1]][3]
#[1] "HIG"

命令strsplit()做了它的名字所示的事情：它分割字符串。第二个参数是字符串被分割的字符，无论它在字符串中的位置在哪里。

也许有点令人惊讶的是，strsplit()返回一个列表。因此，我们可以使用unlist()来访问原始字符串的分割结果，或者在这种情况下，用列表索引[[1]]地址它们，因为这个例子中的列表只有一个成员，它由六个字符字符串组成（参见str(strsplit(str1,"_"))的输出）。 要访问此列表的第三个条目，我们可以在命令的末尾指定[3]。

字符串str1在这里像@akrun的答案中定义。

- RHertel

---

本来也想发同样的内容，但略有不同：strsplit(str1,"_")[[c(1,3)]]，只是为了展示向量在[[内部的作用。 - nicola

Answer 3

我们可以使用sub。我们匹配一个或多个非_字符（[^_]+），然后是一个_。将它保留在一个捕获组中。由于我们想要提取第三组非_字符，因此我们重复之前括起来的组两次（{2}_字符，以及由.*指示的其余字符。在替换中，我们使用第二个捕获组的反向引用（\\2）。

sub("^([^_]+_){2}([^_]+).*", "\\2", str1)
#[1] "HIG"

---

另一种选择是使用 scan

scan(text=str1, sep="_", what="", quiet=TRUE)[3]
#[1] "HIG"

@RHertel提到的类似选项是在字符串上使用read.table/read.csv

 read.table(text=str1,sep = "_", stringsAsFactors=FALSE)[,3]

数据

str1 <- "ABC_EFG_HIG_ADF_AKF_MNB"

- akrun

Answer 4

如果您知道要查找的模式的位置，并且知道它是固定的（在这里，介于第9个字符和第11个字符之间），则可以简单地使用stringr包中的str_sub()函数。

MyString = 'ABC_EFG_HIG_ADF_AKF_MNB'
str_sub(MyString, 9, 11)

- Rtist

Answer 5

一种新的选项是使用开发版本stringr中的函数str_split_i，它也可以通过位置拆分由某个字符串分隔的字符串。以下是一个可重现的示例：

# devtools::install_github("tidyverse/stringr")
library(stringr)
x <- c("ABC_EFG_HIG_ADF_AKF_MNB")
str_split_i(x, "_", 3)
#> [1] "HIG"

^{创建日期为2022年9月10日，使用reprex v2.0.2}

从结果中可以看到它提取了第三个字符串。如果你想要第六个字符串，可以像这样将3改成6：

library(stringr)
x <- c("ABC_EFG_HIG_ADF_AKF_MNB")
str_split_i(x, "_", 6)
#> [1] "MNB"

^{使用 reprex v2.0.2 创建于2022年9月10日。}

- Quinten