使用gsub或sub函数只获取字符串的一部分？

Question

      Col
WBU-ARGU*06:03:04
WBU-ARDU*08:01:01
WBU-ARFU*11:03:05
WBU-ARFU*03:456

我有一列变量，其中有75行，类似于上面的列。我不太确定如何使用gsub或sub来获取第一个冒号后的整数。

期望输出：

      Col
WBU-ARGU*06:03
WBU-ARDU*08:01
WBU-ARFU*11:03
WBU-ARFU*03:456

我尝试了这个方法，但它似乎不起作用：

gsub("*..:","", df$col)

- nathan

---

col 还是 Col？ - s_baldur

Answer 1

以下内容也可能对你有所帮助。

sub("([^:]*):([^:]*).*","\\1:\\2",df$dat)

输出结果如下。

> sub("([^:]*):([^:]*).*","\\1:\\2",df$dat)
[1] "WBU-ARGU*06:03"   "WBU-ARDU*08:01"   "WBU-ARFU*11:03"   "WBU-ARFU*03:456b"

输入数据框的格式如下。

dat <- c("WBU-ARGU*06:03:04","WBU-ARDU*08:01:01","WBU-ARFU*11:03:05","WBU-ARFU*03:456b")
df <- data.frame(dat)

解释：以下仅供解释。

sub("      ##using sub for global subtitution function of R here.
([^:]*)     ##By mentioning () we are keeping the matched values from vector's element into 1st place of memory(which we could use later), which is till next colon comes it will match everything.
:           ##Mentioning letter colon(:) here.
([^:]*)     ##By mentioning () making 2nd place in memory for matched values in vector's values which is till next colon comes it will match everything.
.*"         ##Mentioning .* to match everything else now after 2nd colon comes in value.
,"\\1:\\2"  ##Now mentioning the values of memory holds with whom we want to substitute the element values \\1 means 1st memory place \\2 is second memory place's value.
,df$dat)    ##Mentioning df$dat dataframe's dat value.

- RavinderSingh13

---

这个代码可以运行，但是它没有包含“:”符号。对于第一个输入 WBU-ARGU06:03:04，输出结果为 WBU-ARGU0603。我该如何让它输出 WBU-ARGU*06:03？ - nathan

@Nathan，但是当我检查时，我发现它只能正常工作> gsub("([^:]*):([^:]*).*","\\1:\\2",df$dat) [1] "WBU-ARGU*06:03" "WBU-ARDU*08:01" "WBU-ARFU*11:03" "WBU-ARFU*03:456b" - RavinderSingh13

我在“\1:\2”中漏掉了冒号，现在已经可以正常工作了，谢谢！ - nathan

你不需要使用 gsub，只需要使用 sub 就足够了，因为你只需要在每个字符向量中匹配和替换一次。 - Wiktor Stribiżew

Answer 2

您可以使用

df$col <- sub("(\\d:\\d+):\\d+$", "\\1", df$col)

请查看正则表达式演示

详情

• (\\d:\\d+) - 捕获组1（可以通过替换模式中的\1访问其值）：一个数字，一个冒号和1个或多个数字。
• : - 一个冒号
• \\d+ - 1个或多个数字
• $ - 字符串结尾。

R演示：

col <- c("WBU-ARGU*06:03:04","WBU-ARDU*08:01:01","WBU-ARFU*11:03:05","WBU-ARFU*03:456")
sub("(\\d:\\d+):\\d+$", "\\1", col)
## => [1] "WBU-ARGU*06:03"  "WBU-ARDU*08:01"  "WBU-ARFU*11:03"  "WBU-ARFU*03:456"

另一种方法:

df$col <- sub("^(.*?:\\d+).*", "\\1", df$col)

请查看正则表达式演示。

在此，

• ^ - 字符串开头
• (.*?:\\d+) - 第1组：0个或多个任意字符，尽可能少地匹配（由于使用了懒惰的*?量词），然后是:和1个或多个数字
• .* - 剩下的字符串。

但是，它应该与PCRE正则表达式引擎一起使用，传递perl=TRUE：

col <- c("WBU-ARGU*06:03:04","WBU-ARDU*08:01:01","WBU-ARFU*11:03:05","WBU-ARFU*03:456")
sub("^(.*?:\\d+).*", "\\1", col, perl=TRUE)
## => [1] "WBU-ARGU*06:03"  "WBU-ARDU*08:01"  "WBU-ARFU*11:03"  "WBU-ARFU*03:456"

查看R在线演示。

- Wiktor Stribiżew

---

谢谢您的演示，那真的很有帮助！ - nathan

@nathan 我添加了另一种解决方案，基本上遵循你的逻辑：从开头获取子字符串直到第一个带有1个或多个数字的 :，然后删除其余部分。 - Wiktor Stribiżew

Answer 3

sub("(\\d+:\\d+):\\d+$", "\\1", df$Col)
[1] "WBU-ARGU*06:03"  "WBU-ARDU*08:01"  "WBU-ARFU*11:03"  "WBU-ARFU*03:456"

另外，您可以使用 stringi 来匹配您想要的内容（而不是替换掉您不想要的内容）:

stringi::stri_extract_first(df$Col, regex = "[A-Z-\\*]+\\d+:\\d+")

略微更简洁的 stringr:

stringr::str_extract(df$Col, "[A-Z-\\*]+\\d+:\\d+")
# or
stringr::str_extract(df$Col, "[\\w-*]+\\d+:\\d+")

- s_baldur