R：提取长度可变的字符串部分

我有一个字符串列表（非常大，数百万行），我想从中提取特定部分

我首先在分号处拆分字符串，然后提取到特定的部分。它变得有点复杂，因为一行中有时有3段，有时有4段。但我感兴趣的部分总是最后和倒数第二部分

示例代码：

dataStr = c("secAlways;  secExtr1; secExtr2",
            "secSometimes;  secAlways;  secExtr1; secExtr2",
            "secSometimes;  secAlways;  secExtr1; secExtr2",
            "secAlways;  secExtr1; secExtr2",
            "secAlways;  secExtr1; secExtr2",
            "secAlways;  secExtr1; secExtr2",
            "secSometimes;  secAlways;  secExtr1; secExtr2",
            "secAlways;  secExtr1; secExtr2",
            "secAlways;  secExtr1; secExtr2",
            "secAlways;  secExtr1; secExtr2")

splStr <- strsplit(dataStr, ";")
extr1 <- list()
extr2 <- list()

for (i in 1:length(splStr)) {
  extr1[i] <- head( tail(splStr[[i]], n=2), n=1)
  extr2[i] <- tail(splStr[[i]], n = 1)
}

dataStr=c（“secAlways；secExtr1；secExtr2”，
“有时；有时；有时；有时；有时1；有时2”，
“有时；有时；有时；有时；有时1；有时2”，
“secAlways；secExtr1；secExtr2”，
“secAlways；secExtr1；secExtr2”，
“secAlways；secExtr1；secExtr2”，
“有时；有时；有时；有时；有时1；有时2”，
“secAlways；secExtr1；secExtr2”，
“secAlways；secExtr1；secExtr2”，
“secAlways；secExtr1；secExtr2”）
splStr我认为您最好在这里使用regexp：

sub(".+; (.+?); (.+?)$", "\\2", dataStr)

这将抓住最后一项

sub(".+; (.+?); (.+?)$", "\\1", dataStr)

这将在最后一项之前获取该项。
我认为您最好在此处使用regexp：

sub(".+; (.+?); (.+?)$", "\\2", dataStr)

sub(".+; (.+?); (.+?)$", "\\1", dataStr)

这将抓住最后一项

sub(".+; (.+?); (.+?)$", "\\1", dataStr)

这将在最后一项之前抓取该项。
这样做可能会更快：

sub(".+; (.+?); (.+?)$", "\\1", dataStr)

str_list <- lapply(splStr, tail, 2)
do.call(rbind, str_list)

      [,1]         [,2]       
 [1,] "  secExtr1" " secExtr2"
 [2,] "  secExtr1" " secExtr2"
 [3,] "  secExtr1" " secExtr2"
 [4,] "  secExtr1" " secExtr2"
 [5,] "  secExtr1" " secExtr2"
 [6,] "  secExtr1" " secExtr2"
 [7,] "  secExtr1" " secExtr2"
 [8,] "  secExtr1" " secExtr2"
 [9,] "  secExtr1" " secExtr2"
[10,] "  secExtr1" " secExtr2"

stru list这样做可能更快：

str_list <- lapply(splStr, tail, 2)
do.call(rbind, str_list)

      [,1]         [,2]       
 [1,] "  secExtr1" " secExtr2"
 [2,] "  secExtr1" " secExtr2"
 [3,] "  secExtr1" " secExtr2"
 [4,] "  secExtr1" " secExtr2"
 [5,] "  secExtr1" " secExtr2"
 [6,] "  secExtr1" " secExtr2"
 [7,] "  secExtr1" " secExtr2"
 [8,] "  secExtr1" " secExtr2"
 [9,] "  secExtr1" " secExtr2"
[10,] "  secExtr1" " secExtr2"

stru list我们可以使用
stringi
和
vapply

library(stringi)
vapply(stri_split(dataStr, regex=';\\s*'), function(x) tail(x, 2), character(2))

我们可以使用
stringi
和
vapply

library(stringi)
vapply(stri_split(dataStr, regex=';\\s*'), function(x) tail(x, 2), character(2))

来自
stringr
解决方案的
word

stringr::word(dataStr, -2, -1,  sep = ';')

然后，您可以
strsplit
将它们作为两个不同的单词，即

do.call(rbind, strsplit(trimws(word(dataStr, -2, -1,  sep = ';')), '; '))
#      [,1]       [,2]      
# [1,] "secExtr1" "secExtr2"
# [2,] "secExtr1" "secExtr2"
# [3,] "secExtr1" "secExtr2"
# [4,] "secExtr1" "secExtr2"
# [5,] "secExtr1" "secExtr2"
# [6,] "secExtr1" "secExtr2"
# [7,] "secExtr1" "secExtr2"
# [8,] "secExtr1" "secExtr2"
# [9,] "secExtr1" "secExtr2"
#[10,] "secExtr1" "secExtr2"

来自
stringr
解决方案的
word

stringr::word(dataStr, -2, -1,  sep = ';')

然后，您可以
strsplit
将它们作为两个不同的单词，即

do.call(rbind, strsplit(trimws(word(dataStr, -2, -1,  sep = ';')), '; '))
#      [,1]       [,2]      
# [1,] "secExtr1" "secExtr2"
# [2,] "secExtr1" "secExtr2"
# [3,] "secExtr1" "secExtr2"
# [4,] "secExtr1" "secExtr2"
# [5,] "secExtr1" "secExtr2"
# [6,] "secExtr1" "secExtr2"
# [7,] "secExtr1" "secExtr2"
# [8,] "secExtr1" "secExtr2"
# [9,] "secExtr1" "secExtr2"
#[10,] "secExtr1" "secExtr2"

>str\u list do.call（rbind，str\u list）
[,1]                                           
[1，]“secAlways；secExtr1；secExtr2”
[2，]“有时秒；始终秒；第1秒；第2秒”
[3，]“有时秒；总是秒；第1秒；第2秒”
[4，]“secAlways；secExtr1；secExtr2”
[5，]“secAlways；secExtr1；secExtr2”
[6，]“secAlways；secExtr1；secExtr2”
[7，]“有时秒；始终秒；第1秒；第2秒”
[8，]“secAlways；secExtr1；secExtr2”
[9，]“secAlways；secExtr1；secExtr2”
[10，]“secAlways；secExtr1；secExtr2”

我不确定这是否有效？
>str\u list do.call（rbind，str\u list）
[,1]                                           
[1，]“secAlways；secExtr1；secExtr2”
[2，]“有时秒；始终秒；第1秒；第2秒”
[3，]“有时秒；总是秒；第1秒；第2秒”
[4，]“secAlways；secExtr1；secExtr2”
[5，]“secAlways；secExtr1；secExtr2”
[6，]“secAlways；secExtr1；secExtr2”
[7，]“有时秒；始终秒；第1秒；第2秒”
[8，]“secAlways；secExtr1；secExtr2”
[9，]“secAlways；secExtr1；secExtr2”
[10，]“secAlways；secExtr1；secExtr2”

我不确定这是否有效？
假设最后一段和最后第二段的字符数始终相同，可以通过以下方式使用
stringi
库实现这一点

我还假设您想要两个列表作为输出

library(stringi)

dataStr = c("secAlways;  secExtr1; secExtr2",
            "secSometimes;  secAlways;  secExtr1; secExtr2",
            "secSometimes;  secAlways;  secExtr1; secExtr2",
            "secAlways;  secExtr1; secExtr2",
            "secAlways;  secExtr1; secExtr2",
            "secAlways;  secExtr1; secExtr2",
            "secSometimes;  secAlways;  secExtr1; secExtr2",
            "secAlways;  secExtr1; secExtr2",
            "secAlways;  secExtr1; secExtr2",
            "secAlways;  secExtr1; secExtr2")

extr1 <- as.list(stringi::stri_sub(dataStr, from=-18, to=-11))
extr2 <- as.list(stringi::stri_sub(dataStr, from= -8))

库（stringi）
dataStr=c（“secAlways；secExtr1；secExtr2”，
“有时；有时；有时；有时；有时1；有时2”，
“有时；有时；有时；有时；有时1；有时2”，
“secAlways；secExtr1；secExtr2”，
“secAlways；secExtr1；secExtr2”，
“secAlways；secExtr1；secExtr2”，
“有时；有时；有时；有时；有时1；有时2”，
“secAlways；secExtr1；secExtr2”，
“secAlways；secExtr1；secExtr2”，
“secAlways；secExtr1；secExtr2”）
extr1假设最后一段和最后第二段的字符数始终相同，这可以通过使用
stringi
库通过以下方式实现

我还假设您想要两个列表作为输出

library(stringi)

dataStr = c("secAlways;  secExtr1; secExtr2",
            "secSometimes;  secAlways;  secExtr1; secExtr2",
            "secSometimes;  secAlways;  secExtr1; secExtr2",
            "secAlways;  secExtr1; secExtr2",
            "secAlways;  secExtr1; secExtr2",
            "secAlways;  secExtr1; secExtr2",
            "secSometimes;  secAlways;  secExtr1; secExtr2",
            "secAlways;  secExtr1; secExtr2",
            "secAlways;  secExtr1; secExtr2",
            "secAlways;  secExtr1; secExtr2")

extr1 <- as.list(stringi::stri_sub(dataStr, from=-18, to=-11))
extr2 <- as.list(stringi::stri_sub(dataStr, from= -8))

库（stringi）
dataStr=c（“secAlways；secExtr1；secExtr2”，
“有时；有时；有时；有时；有时1；有时2”，
“有时；有时；有时；有时；有时1；有时2”，
“secAlways；secExtr1；secExtr2”，
“secAlways；secExtr1；secExtr2”，
“secAlways；secExtr1；secExtr2”，
“有时；有时；有时；有时；有时1；有时2”，
“secAlways；secExtr1；secExtr2”，
“secAlways；secExtr1；secExtr2”，
“secAlways；secExtr1；secExtr2”）
嗯，都一样。splStr是splitdatastr。regex方法实际上更快（至少在这个示例集上是如此）。它是一样的。splStr是拆分的dataStr。正则表达式方法实际上更快（至少在这个示例集上是这样）。在我的真实世界示例中，速度提高了27倍。在我的真实世界示例中，速度提高了27倍。这在这里的示例中有效，但在我的真实世界示例中失败：
Error in vapply（splStr，函数（x）tail（x，2），字符（2））：值必须是长度2，但有趣的是（x[[5487]]）结果是长度1
@ulima2_u不清楚当少于2个案例时，该怎么办这在这里的示例中有效，但在我的真实示例中失败：
vapply中的错误（splStr，函数（x）tail（x，2），字符（2））：值的长度必须为2，但有趣（X[[5487]]）结果是长度1
@ulima2\u不清楚当你少于2个案例时，该做什么我认为这不管用：两个部分仍然集中在同一个单元格中。编辑。我还使用了
trimws
删除前导/尾随空格great，现在可以工作了-谢谢！不过正则表达式的解决方案要快得多。是的，我希望如此艾德：可能吧，但我对正则表达式有点盲目，所以我尽量避免使用它们