如何在r中提取字符串

我想提取一些序列数据中每个分类群的科级和ID。下游分析需要picante和phyloseq软件包，但此问题不需要。在下面的示例中，我想：

将V1从“00000000 1 |大小：678798”和“00000000 9 |大小：1497”减少到“1”和“9”

将“内生孢子虫科”和“聚球虫科”提取到一个新的柱中

---

a这是你想要的吗

strplit

  strsplit(as.character(a$V1), "\\|")


格雷普

a$Bacteria <- NA
a$Bacteria[grep("Endozoicimonaceae", a$V2)] <- "Endozoicimonaceae"
a$Bacteria[grep("Synechococcaceae", a$V2)] <- "Synechococcaceae"

a$Bacteria我们可以使用
parse_number
从'V1'中提取第一个数值，
str_extract
从'V2'中提取特定的子字符串/单词，或者如果它是从模式中提取的，即指定regex lookaround来搜索在
f_u
之后成功的单词（
\\w+
）

library(stringr)
library(dplyr)
a %>%
   mutate(V1 = readr::parse_number(as.character(V1)),
          new = str_extract(V2, "(?<=f__)\\w+"))
# V1
#1  1
#2  9
                                                                                                                             #V2
#1            k__Bacteria; p__Proteobacteria; c__Gammaproteobacteria; \n    o__Oceanospirillales; f__Endozoicimonaceae; g__; s__
#2 k__Bacteria; p__Cyanobacteria; c__Synechococcophycideae; \n    o__Synechococcales; f__Synechococcaceae; g__Synechococcus; s__
#  V3 V4               new
#1  1  3 Endozoicimonaceae
#2  1  3  Synechococcaceae

库（stringr）
图书馆（dplyr）
a%>%
mutate（V1=readr:：parse_number（as.character（V1）），
new=str_extract（V2），（？已编辑-问题是当我尝试对主数据框进行子集时。我认为这应该可以工作。从V1中提取工作-谢谢！V2的问题是，我的实际数据框是200行，因此手动提取将很困难。我想提取“f”之后的族级名称__“在V2Error中，表示替换和数据具有不同的行数？修复了问题-这非常有效。感谢您的帮助！我尝试了其他一些不起作用的方法，因此我在编辑的数据帧上运行了您的代码，而不是在我给出的示例中运行的代码。但我在正确的数据帧上运行了您的代码，这正是我所需要的。”。
library(stringr)
library(dplyr)
a %>%
   mutate(V1 = readr::parse_number(as.character(V1)),
          new = str_extract(V2, "(?<=f__)\\w+"))
# V1
#1  1
#2  9
                                                                                                                             #V2
#1            k__Bacteria; p__Proteobacteria; c__Gammaproteobacteria; \n    o__Oceanospirillales; f__Endozoicimonaceae; g__; s__
#2 k__Bacteria; p__Cyanobacteria; c__Synechococcophycideae; \n    o__Synechococcales; f__Synechococcaceae; g__Synechococcus; s__
#  V3 V4               new
#1  1  3 Endozoicimonaceae
#2  1  3  Synechococcaceae