R 从具有逗号分隔值的列中提取多个字符串

我有这样一个数据框：

structure(list(mut = c("Q184H/CAA-CAT", "I219V/ATC-GTC", "A314T/GCG-ACG, P373Q/CCG-CAG, A653E/GCG-GAA","0")), row.names = c(NA, -4L), class = c("tbl_df", "tbl", "data.frame"))

我想做的是在一个新的列中获取“/”后面的所有内容，对于每行中的每个逗号分隔的值，不管每行中有多少个条目

我想要的结果是：

    mut                    nt
1   Q184H                  CAA-CAT
2   I219V                  ATC-GTC
3   A314T, P373Q, A653E    GCG-ACG, CCG-CAG, CGC-GAA
4   0                      0

我已经尝试使用正则表达式来实现这一点，但似乎无法匹配每个用逗号分隔的条目

library(dplyr)
df %>%
    mutate(nt = gsub(".+/(.*?)", "\\1", mut))

---

如何使每个条目都匹配？我必须把它们分开然后进行匹配吗？

你只需要稍微调整一下你的正则表达式；注意我如何将您的

s更改为

[^，]

s。在正则表达式中，如果将字符放在括号中，前面加一个

^

，则表示匹配除这些字符以外的任何字符。因此，

[^，]+

意味着尽可能多地匹配非逗号的连续字符

df=结构（列表（mut=c（“Q184H/CAA-CAT”、“I219V/ATC-GTC”），
“A314T/GCG-ACG，P373Q/CCG-CAG，A653E/GCG-GAA”，“0”），
row.names=c（NA，-4L），class=c（“tbl_-df”，“tbl”，“data.frame”））
图书馆（dplyr）
#> 
#>正在附加包：“dplyr”
#>以下对象已从“package:stats”屏蔽：
#> 
#>滤波器，滞后
#>以下对象已从“package:base”屏蔽：
#> 
#>相交、setdiff、setequal、并集
df%>%
突变（nt=gsub（“[^，]+？/（[^，]+？）”，“\\1”，mut），
mut=gsub（（[^/]+）/[^，]+，“\\1”，mut））
#>#tibble:4 x 2
#>mut nt
#>                                    
#>1 Q184H CAA-CAT
#>2 I219V ATC-GTC
#>3 A314T、P373Q、A653E GCG-ACG、CCG-CAG、GCG-GAA
#> 4 0                   0

由（v0.2.1）于2018年10月10日创建，不接受此回答（@duckmayr进行了正则表达式调试）。发布这篇文章是为了向人们展示，通过使用

stringi

我们可以获得自文档正则表达式，这样我们未来的自己就不会憎恨过去的自己：

library（stringi）#stringr就是这么用的
图书馆（tidyverse）
谢谢你！因此，方括号指定逗号“可以”在那里，但不一定要在那里？@Haakonkas我补充了一点额外的解释。这真的很酷——我不知道现在有功能。这对于那些真正粗糙的正则表达式来说是一个救命稻草，它们可以完美地工作，直到它们不工作为止。你必须记住你4年前的想法：-）你的想法非常简单，但它提供了一个很好的机会来提供一个简洁的例子（有文档的正则表达式的例子太少了；即使我用
stringi
回答q，我也和其他人一样有罪）。
library(stringi) # it's what stringr uses
library(tidyverse)

xdf <- structure(list(mut = c("Q184H/CAA-CAT", "I219V/ATC-GTC", "A314T/GCG-ACG, P373Q/CCG-CAG, A653E/GCG-GAA","0")), row.names = c(NA, -4L), class = c("tbl_df", "tbl", "data.frame"))

mutate(
  xdf, 
  nt = stri_replace_all_regex(
    str = mut,
    pattern = "
[^,]+?  # match anything but a comma and if there is one, match at most once
/       # followed by a forward slash
(       # start of match group
 [^,]+? # same as above
)       # end of match group
",
    replacement = "$1", # take the match group value as the value
    opts_regex = stri_opts_regex(comments=TRUE)
  ),
  mut = stri_replace_all_regex(
    str = mut,
    pattern = "
(      # start of match group
 [^/]+ # match anything but a forward slash
)      # end of match group
/      # followed by a forward slash
[^,]+  # match anything but a comma
",
    replacement = "$1", # take the match group value as the value
    opts_regex = stri_opts_regex(comments=TRUE)
  )
)