基于一个或多个指定字符的出现，如何拆分字符串？

Question

给定字符串：

string <- "AATTGGCGCTAG---AT-TTACG----"

我该如何根据一个或多个“-”的出现将字符串分割成多个部分呢？例如：

string1 <- "AATTGGCGCTAG"
string2 <- "---"
string3 <- "AT"
string4 <- "-"
string5 <- "TTACG"
string6 <- "----"

我尝试过：

strsplit(string, "[-]+")

然而，这并没有返回“-”字符串。

- Powege

---

抱歉，我以为我已经勾选了这个。感谢您的帮助！ - Powege

Answer 1

您可以将它们与其他内容相匹配

[^-]+|-+

请参见正则表达式演示。它匹配：

• [^-]+ - 除-外的1个或多个字符
• | - 或
• -+ - 1个或多个-字符。

在R中：

x <- "AATTGGCGCTAG---AT-TTACG----"
regmatches(x, gregexpr("[^-]+|-+", x))

或者

library(stringr)
x <- "AATTGGCGCTAG---AT-TTACG----"
str_extract_all(x, "[^-]+|-+")

输出

## => [[1]]
##    [1] "AATTGGCGCTAG" "---"   "AT"  "-"   "TTACG"   "----"

- Wiktor Stribiżew

Answer 2

这里是针对您当前使用的 strsplit 的直接修复：

string <- "AATTGGCGCTAG---AT-TTACG----"
strsplit(string, "(?<=[^-])(?=[-])|(?<=[-])(?=[^-])", perl=TRUE)[[1]]

[1] "AATTGGCGCTAG" "---"          "AT"           "-"            "TTACG"
[6] "----"

正则表达式模式背后的思想是在以下两个条件之一成立时进行拆分：

• 紧接在前面的字符不是破折号，而后面是破折号；或者
• 紧接在前面的字符是破折号，而后面不是破折号。

- Tim Biegeleisen