String 在一个可以出现零次或多次的字符后截断R中字符串的结尾

我有以下数据：

temp<-c("AIR BAGS:FRONTAL" ,"SERVICE BRAKES HYDRAULIC:ANTILOCK",
    "PARKING BRAKE:CONVENTIONAL",
    "SEATS:FRONT ASSEMBLY:POWER ADJUST",
    "POWER TRAIN:AUTOMATIC TRANSMISSION",
    "SUSPENSION",
    "ENGINE AND ENGINE COOLING:ENGINE",
    "SERVICE BRAKES HYDRAULIC:ANTILOCK",
    "SUSPENSION:FRONT",
    "ENGINE AND ENGINE COOLING:ENGINE",
    "VISIBILITY:WINDSHIELD WIPER/WASHER:LINKAGES")

但在没有以下情况下不起作用：

我知道这个问题非常类似于： ，其中使用：

sub("^[^.]*", "", x)

但我对正则表达式不太熟悉，因此很难将该示例颠倒过来，只保留字符串的开头。

可以做到这一点（假设数据位于字符向量中）：

x sapply（str_split（x，“：”，[”，1）
[1] “foobar”“foo”“foo1”“foobar”

在这种情况下

yy<-c("AIR BAGS:FRONTAL",
"SERVICE BRAKES HYDRAULIC:ANTILOCK",
"PARKING BRAKE:CONVENTIONAL",
"SEATS:FRONT ASSEMBLY:POWER ADJUST",
"POWER TRAIN:AUTOMATIC TRANSMISSION",
"SUSPENSION",
"ENGINE AND ENGINE COOLING:ENGINE",
"SERVICE BRAKES HYDRAULIC:ANTILOCK",
"SUSPENSION:FRONT",
"ENGINE AND ENGINE COOLING:ENGINE",
"VISIBILITY:WINDSHIELD WIPER/WASHER:LINKAGES")
yy<-gsub("([^:]*).*","\\1",yy)
yy

---

yy您可以用一个简单的正则表达式来解决这个问题：

sub("(.*?):.*", "\\1", x)
 [1] "AIR BAGS"                  "SERVICE BRAKES HYDRAULIC"  "PARKING BRAKE"             "SEATS"                    
 [5] "POWER TRAIN"               "SUSPENSION"                "ENGINE AND ENGINE COOLING" "SERVICE BRAKES HYDRAULIC" 
 [9] "SUSPENSION"                "ENGINE AND ENGINE COOLING" "VISIBILITY"     


正则表达式的工作原理：


“（.*）：.*”
查找任何字符的重复集
*
，但使用
？
将其修改为不贪婪。这应该后跟冒号，然后是任何字符（重复）
用括号内的位替换整个字符串-
“\\1”

需要理解的是，任何正则表达式匹配在默认情况下都是贪婪的。通过将其修改为非贪婪，第一个模式匹配不能包含冒号，因为括号后的第一个字符是冒号。冒号后的正则表达式返回默认值，即贪婪。
另一种方法是查找第一个“：”并将其及其后的任何内容替换为零：

yy <- sub(":.*$", "", yy )

yy很抱歉将此作为回答。作为对所用时间的回应：

> yy<-rep("foo1:bar1",times=100000)
> system.time(yy1<-sapply(strsplit(yy,":"),'[',1))
   user  system elapsed 
   0.26    0.00    0.27 
> 
> system.time(yy2<-sub("(.*?):.*", "\\1", yy))
   user  system elapsed 
    0.1     0.0     0.1 
> 
> system.time(yy3 <- sub(":.*$", "", yy ))
   user  system elapsed 
   0.08    0.00    0.07 
> 
> system.time(yy4<-gsub("([^:]*).*","\\1",yy))
   user  system elapsed 
   0.09    0.00    0.09 

yy系统时间（yy1
>系统时间（yy2）
>系统时间（yy3）
>system.time（yy4谢谢！对正则表达式（+1）的解释这是我马上想到的答案。就速度而言，你认为这与正则表达式的解决方案相比如何？@Dason这也是我的想法，因为我不是真的“思考”在正则表达式中还没有，但我对速度没有太高的期望。有用的扩展评论。我发现令人振奋的是，在我的大脑看来最简单的正则表达式，@GregSnow的正则表达式也是最快的。另外两个正则表达式解决方案提供了信息，说明了字符类是启动“否定”的一种方式以及使用未修改的“？”来抑制贪婪行为的解释。
yy <- sub(":.*$", "", yy )

> yy<-rep("foo1:bar1",times=100000)
> system.time(yy1<-sapply(strsplit(yy,":"),'[',1))
   user  system elapsed 
   0.26    0.00    0.27 
> 
> system.time(yy2<-sub("(.*?):.*", "\\1", yy))
   user  system elapsed 
    0.1     0.0     0.1 
> 
> system.time(yy3 <- sub(":.*$", "", yy ))
   user  system elapsed 
   0.08    0.00    0.07 
> 
> system.time(yy4<-gsub("([^:]*).*","\\1",yy))
   user  system elapsed 
   0.09    0.00    0.09