R 从第二个“\n”和其他“\n”中删除字符串中的换行符（不要删除第一个）

我有一些序列，我想在R中重新格式化

但R向我展示了返回行的序列，如\n所示：

如果我这样做，它会删除所有的返回

gsub(pattern = "\n",replacement = "", x = seqs)

这不起作用：

sub("^(.*? \n .*?) \n .*", "\\1", seqs)

这给了我一个错误：

gsub(pattern = "${'\n'[*]:0:2}",replacement = "", x = seqs)
Error in gsub(pattern = "${'\n'[*]:0:2}", replacement = "", x = seqs) : 
  invalid regular expression '${'
'[*]:0:2}', reason 'Invalid contents of {}'

我的序列是可变的：

">Whatever here before \n the sequence start \n the rest \n..."

最终结果将是

">Whatever here before \n the sequence start the rest..."

有趣的是，下面的代码部分适用于测试句子，但不适用于上面的顺序：

seqss = ">Whatever here before \n the sequence start \n the rest \n..."
sub("^(.*? \n .*?) \n .*", "\\1", seqss)
[1] ">Whatever here before \n the sequence start"

试着这样做：

seqs <- ">PRTRE213-13 Volkameria aculeatum matK \n------------------------------------------------------------------CCAAC\nCGAGAGCCAGCTCC------TCTTTTTCAAAA---------CGAAAT---------------------CAA\nAAGACTATTCTTATTCTTATAT------------AATTCTCATGTATGTGAATATGAATCCGTTTTCGTCT\nTTTCTACGTAACCAATCTTTT---CATTTACGATCAACATCTTTTGAAGTTCTTCTTGAACGAATCTATTT\nTCTATGTA---------AAAGTAGAACGTCTT------GTGAACGTCTTTGTTAAGATTAAC---------\n-AATTTTCGGGCGAACCCGTGGTTGGTCAAG------GAACCTTTCATGCATTATATTAGGTATCAAAGAA\nAGATCCATTCTGGCTTCA------AAGGGAACATCTTTTTTCATGAAAAAATGGCAATTTTATCTTGTCAC\nCTTTTTGGCAATGGCATTTTTCGCTGTGGTTTCATCCAAGAAGGATTTATCTAAAC---CAATTATCCAAT\nTTATTCCCTTGAA------TTTTTGGGCTATCTTTCA------AGCGTGCGAATGAACCCCTCTGTGGTAC\nCGGAGTCAAATTCTAGAAAATGCATTTCTAATCAATAATGCTATT------AAGAAGTTTGATACCCTTAT\nTTCCAATTATTCCAATGATTGCGTCATTGGCTAAAGCGAAATTTTGTAACGTATTTGGGCATCCTGTTAGT\nTAAGCCGATTTGGGCTGATTTATCAGATTCTAATATTATTGACCGATTTGGTCGTATA---TGCAGAAATC\nCTTTCTC-------------"
gsub(pattern = "(^.*?\\n)|\\n",replacement = "\\1", x = seqs, perl = TRUE)

就是捕获组中第一个换行符之前的所有内容，以保留并将其放回替换中。

一种stringr方法，只需将字符串拆分并将两部分组合在一起

seqs>PRTRE213-13针叶田鼠 > ---------------------------------CCAACCAGCCAGCTCC---TCTTTCAAA----CGAAT----CAAAGCATTTCTATGTGAATAGATGAATGAATTCGTTCGTTTTCTACGATAACCATCTTTT----CATTACCAGATCAATCTTGATTCTTGAACGAATTCATTCATGTA----AAAGTAGAGCATTCTTTTTTATTCATATATGTA----GTGAATCGATTCTTGTGAATGCGTGTGTGAATGTGTGTAGATGTGTCAGTG----GAACTCATTCATATATATATGTTAGTCA---AAGAATCATCATCTGGCTCA---AAGGGAATCTTTCTCTCTCTTTCTCAATTCTTGTCACTTTTTCAATGCATTCTCTCTGTTCAATCCAGAGATTCTACTCAAC---CAATTCCAATTCATTCTCATTCTCTCTATTCA---TTTTTTTTGGGCATCTCTCTCA---AGGTGCGAATCAATCCATTCTGGTAGATTCATCAATGCATTCATTTCAATTCATTCATTTCAATTCATTCATATATTATATAAC---AATCAGATCCATTCAGATTCAGATGCATGCATTCTATTCAATGCATTCTATTCAATTATCTATTCAATTATTCATTCATTCAATTCATTATTCAATTATTCAATATATATTATTCAATATATTATTCAATATATATTATATA---AATCATAGCGATTTGGCTGATTATCTAGATTCTAATTTAGCCGATTGGTCGTATA——TGCAGAATCCTTTCTC------- 由v0.2.0于2018年6月29日创建。

我们可以使用gsubfn。在这种情况下，它并不比正则表达式好，但是如果您希望保持前n次出现且n>1，则更容易扩展

---

不需要任何额外的包。请注意，我认为这种方法依赖于第一条换行线之前的第一个组，它具有一些显著的特征，以防止它也被替换。这是最前面的>。实际上，如果您更改为：^.*？\\n |\\n我想您可以避免此限制谢谢。^已经出现在我给出的原始R示例中，但当我从演示的第一个版本复制解释性正则表达式行时忽略了它。更正。

seqss = ">Whatever here before \n the sequence start \n the rest \n..."
sub("^(.*? \n .*?) \n .*", "\\1", seqss)
[1] ">Whatever here before \n the sequence start"

seqs <- ">PRTRE213-13 Volkameria aculeatum matK \n------------------------------------------------------------------CCAAC\nCGAGAGCCAGCTCC------TCTTTTTCAAAA---------CGAAAT---------------------CAA\nAAGACTATTCTTATTCTTATAT------------AATTCTCATGTATGTGAATATGAATCCGTTTTCGTCT\nTTTCTACGTAACCAATCTTTT---CATTTACGATCAACATCTTTTGAAGTTCTTCTTGAACGAATCTATTT\nTCTATGTA---------AAAGTAGAACGTCTT------GTGAACGTCTTTGTTAAGATTAAC---------\n-AATTTTCGGGCGAACCCGTGGTTGGTCAAG------GAACCTTTCATGCATTATATTAGGTATCAAAGAA\nAGATCCATTCTGGCTTCA------AAGGGAACATCTTTTTTCATGAAAAAATGGCAATTTTATCTTGTCAC\nCTTTTTGGCAATGGCATTTTTCGCTGTGGTTTCATCCAAGAAGGATTTATCTAAAC---CAATTATCCAAT\nTTATTCCCTTGAA------TTTTTGGGCTATCTTTCA------AGCGTGCGAATGAACCCCTCTGTGGTAC\nCGGAGTCAAATTCTAGAAAATGCATTTCTAATCAATAATGCTATT------AAGAAGTTTGATACCCTTAT\nTTCCAATTATTCCAATGATTGCGTCATTGGCTAAAGCGAAATTTTGTAACGTATTTGGGCATCCTGTTAGT\nTAAGCCGATTTGGGCTGATTTATCAGATTCTAATATTATTGACCGATTTGGTCGTATA---TGCAGAAATC\nCTTTCTC-------------"
gsub(pattern = "(^.*?\\n)|\\n",replacement = "\\1", x = seqs, perl = TRUE)

(^.*?\\n)|\\n

library(gsubfn)
p <- proto(fun = function(this, x) if(count > 1) '' else x)
out <- gsubfn('\n', p, seqs)

out == gsub(pattern = "(^.*?\\n)|\\n",replacement = "\\1", x = seqs, perl = TRUE)
#[1] TRUE