Regex 根据模式提取子字符串

假设我有一个字符串列表：

string = c("G1:E001", "G2:E002", "G3:E003")

现在我希望得到一个字符串向量，它只包含冒号“：”后面的部分，即

substring=c（E001，E002，E003）

---

在R中有没有一种方便的方法可以做到这一点？使用

substr

？

例如使用

gsub

或

sub

    gsub('.*:(.*)','\\1',string)
    [1] "E001" "E002" "E003"

以下是一些方法：

1）sub

sub(".*:", "", string)
## [1] "E001" "E002" "E003"

2）strsplit

sapply(strsplit(string, ":"), "[", 2)
## [1] "E001" "E002" "E003"

3）读取表格

read.table(text = string, sep = ":", as.is = TRUE)$V2
## [1] "E001" "E002" "E003"

4）子字符串

这假设第二部分总是从第四个字符开始（这是问题示例中的情况）：

4a）子字符串/regex

如果冒号不总是位于已知位置，我们可以通过搜索来修改（4）：

substring(string, regexpr(":", string) + 1)

5）Straplyc

Straplyc

返回括号中的部分：

library(gsubfn)
strapplyc(string, ":(.*)", simplify = TRUE)
## [1] "E001" "E002" "E003"

6）读取.dcf

只有当冒号之前的子字符串是唯一的（问题中的示例中就是这样）时，此项才有效。此外，它还要求分隔符为冒号（这就是问题所在）。如果使用不同的分隔符，那么我们可以先使用

sub

将其替换为冒号。例如，如果分隔符为

\uuu

，则

字符串应执行以下操作：

gsub("[A-Z][1-9]:", "", string)

给予

这是另一个简单的答案

gsub("^.*:","", string)

晚到派对，但对后代来说，stringr软件包（流行的“tidyverse”软件包的一部分）现在为字符串处理提供了具有协调签名的功能：

string <- c("G1:E001", "G2:E002", "G3:E003")
# match string to keep
stringr::str_extract(string = string, pattern = "E[0-9]+")
# [1] "E001" "E002" "E003"

# replace leading string with ""
stringr::str_remove(string = string, pattern = "^.*:")
# [1] "E001" "E002" "E003"

string如果您使用的是
data.table
那么
tstrsplit（）
是一个自然选择：

tstrsplit(string, ":")[[2]]
[1] "E001" "E002" "E003"

unglue包提供了另一种选择，对于简单的情况，不需要关于正则表达式的知识，这里我们要做：

#安装程序包（“unglue”）
图书馆（非蓝色）
字符串=c（“G1:E001”、“G2:E002”、“G3:E003”）
unglue_vec（字符串，“{x}:{y}”，var=“y”）
#>[1]“E001”“E002”“E003”

由（v0.3.0）于2019-11-06创建

更多信息：
提取子字符串的另一种方法

library(stringr)
substring <- str_extract(string, regex("(?<=:).*"))
#[1] "E001" "E002" "E003

库（stringr）
子串令人惊讶的是，还没有添加一个非常“基本R”的解决方案：

string=c（“G1:E001”、“G2:E002”、“G3:E003”）
regmatches（string，regexpr（'E[0-9]+'，string））
我在一个融化的表格中有一个变量，它以
\uu
作为分隔符，并根据@Grothendieck answer:
prefix为前缀和后缀创建了两个独立的变量。如果能看到这个惊人答案的微基准标记，那就太好了！你能解释一下这些是什么吗？*（*依此类推？我很难在一个稍有不同的设置中重新创建它…@PeterPan这捕获并返回冒号后出现的一组字符。如果要匹配的字符串更复杂，并且您希望保留在R基中，这很有效。这不是找到以E开头的第一个数字吗，而不是结肠后的一切？
string <- c("G1:E001", "G2:E002", "G3:E003")

gsub("[A-Z][1-9]:", "", string)

[1] "E001" "E002" "E003"

gsub("^.*:","", string)

string <- c("G1:E001", "G2:E002", "G3:E003")
# match string to keep
stringr::str_extract(string = string, pattern = "E[0-9]+")
# [1] "E001" "E002" "E003"

# replace leading string with ""
stringr::str_remove(string = string, pattern = "^.*:")
# [1] "E001" "E002" "E003"

tstrsplit(string, ":")[[2]]
[1] "E001" "E002" "E003"

library(stringr)
substring <- str_extract(string, regex("(?<=:).*"))
#[1] "E001" "E002" "E003