删除字符串的一部分。

Question

如何截取字符串？例如在 ATGAS_1121 中，我想删除所有在_之前的内容。

- Lisann

Answer 1

使用正则表达式。在这种情况下，你可以使用gsub：

gsub("^.*?_","_","ATGAS_1121")
[1] "_1121"

这个正则表达式匹配字符串的开头(^)，任意字符(.)重复零次或多次(*)，以及下划线(_)。 ? 使匹配“懒惰”，只匹配第一个下划线。该匹配替换为下划线。有关详细信息和参考，请参见?regex。

- Joshua Ulrich

---

以前的正则表达式在这种情况下会匹配到最后一个下划线，例如 gsub("^.*_","_","ATGAS_1121_xxx")。现在已经修复。 - Richie Cotton

我很高兴你解释了正则表达式的作用。 - Vasile

这也可以使用字符串向量作为最后一个参数，R就是如此令人惊叹。 - naught101

Answer 2

您可以使用内置函数 strsplit 来实现此功能：

> s = "TGAS_1121"
> s1 = unlist(strsplit(s, split='_', fixed=TRUE))[2]
> s1    
 [1] "1121"

strsplit返回将字符串根据split参数分割的两部分作为一个列表同时返回。这可能不是你想要的结果，因此需要在调用之前使用unlist进行包装，然后对该数组进行索引，以便只返回向量中的第二个元素。

最后，应将fixed参数设置为TRUE，以指示分割参数不是正则表达式，而是字面匹配字符。

- doug

Answer 3

如果你是Tidyverse的粉丝，这里有一个stringr方案：

R> library(stringr)
R> strings = c("TGAS_1121", "MGAS_1432", "ATGAS_1121") 
R> strings %>% str_replace(".*_", "_")
[1] "_1121" "_1432" "_1121"
# Or:
R> strings %>% str_replace("^[A-Z]*", "")
[1] "_1121" "_1432" "_1121"

- naught101

Answer 4

如果s是一个向量，以下是使用strsplit的解决方案：

> s <- c("TGAS_1121", "MGAS_1432")
> s1 <- sapply(strsplit(s, split='_', fixed=TRUE), function(x) (x[2]))
> s1
[1] "1121" "1432"

- verbamour

---

非常有帮助，谢谢！顺便提一下，如果要获取字符串的前半部分（即下划线前面的部分），请将末尾的 [2] 替换为 [1]。 - stevenjoe

@verbamour 你知道如何修改代码以保留字符串的前两个元素吗？ - d3hero23

@d3hero23 我相信@stevenjoe 在上面已经回答了这个问题。应用他的解决方案会给你以下代码： s1 <- sapply(strsplit(s, split='_', fixed=TRUE), function(x) (x[1])) - verbamour

Answer 5

也许最直观的解决方案可能是使用 stringr 函数中的 str_remove，与 str_replace 相比它甚至更容易，因为它只有一个参数而不是两个。

在你的例子中唯一棘手的部分是你想保留下划线，但这是可能的：你必须匹配正则表达式，直到它找到指定的字符串模式 (?=pattern)。

看一个例子：

strings = c("TGAS_1121", "MGAS_1432", "ATGAS_1121")
strings %>% stringr::str_remove(".+?(?=_)")

[1] "_1121" "_1432" "_1121"

- Agile Bean

Answer 6

这里是使用 dplyr 包对数据框进行字符串分割的解决方案。

col1 = c("TGAS_1121", "MGAS_1432", "ATGAS_1121") 
col2 = c("T", "M", "A") 
df = data.frame(col1, col2)
df
        col1 col2
1  TGAS_1121    T
2  MGAS_1432    M
3 ATGAS_1121    A

df<-mutate(df,col1=as.character(col1))
df2<-mutate(df,col1=sapply(strsplit(df$col1, split='_', fixed=TRUE),function(x) (x[2])))
df2

  col1 col2
1 1121    T
2 1432    M
3 1121    A

- KK_63