String R提取R中字符串的一部分

我有500万个序列（探针是特定的），如下所示。我需要从每个字符串中提取名称

这里的名字是1007_s_at:123:381、10073_s_at:128:385等等

我正在使用lappy函数，但它占用了太多的时间。我还有其他几个类似的文件。你能建议一种更快的方法吗

 nm = c(
  "probe:HG-Focus:1007_s_at:123:381; Interrogation_Position=3570; Antisense;",
  "probe:HG-Focus:1007_s_at:128:385; Interrogation_Position=3615; Antisense;",
  "probe:HG-Focus:1007_s_at:133:441; Interrogation_Position=3786; Antisense;",
  "probe:HG-Focus:1007_s_at:142:13; Interrogation_Position=3878; Antisense;" ,
  "probe:HG-Focus:1007_s_at:156:191; Interrogation_Position=3443; Antisense;",
  "probe:HTABC:1007_s_at:244:391; Interrogation_Position=3793; Antisense;")

extractProbe <- function(x) sub("probe:", "", strsplit(x, ";", fixed=TRUE)[[1]][1], ignore.case=TRUE)
pr = lapply(nm, extractProbe)

---

使用正则表达式：

sub("probe:(.*?):(.*?);.*$", "\\2", nm, perl = TRUE)

一点解释：

表示“任何字符”

*

表示“任意数量的字符”

*？

表示“任意数量的字符，但不要贪心

括号内的图案被捕获并分配给

\\1

、

\\2

等

$

表示行尾（或字符串）

因此，在这里，模式匹配整行，并通过两个

（.*？

）捕获两个内容：您不想要的

HG Focus

（或其他）内容为

\\1

，您的id为

\\2

。通过将替换设置为

\\2

，我们有效地将整个字符串替换为您的id

我现在意识到没有必要捕捉第一件事，所以这同样有效：

sub("probe:.*?:(.*?);.*$", "\\1", nm, perl = TRUE)

---

使用正则表达式：

sub("probe:(.*?):(.*?);.*$", "\\2", nm, perl = TRUE)

一点解释：

表示“任何字符”

*

表示“任意数量的字符”

*？

表示“任意数量的字符，但不要贪心

括号内的图案被捕获并分配给

\\1

、

\\2

等

$

表示行尾（或字符串）

因此，在这里，模式匹配整行，并通过两个

（.*？

）捕获两个内容：您不想要的

HG Focus

（或其他）内容为

\\1

，您的id为

\\2

。通过将替换设置为

\\2

，我们可以有效地用您的id替换整个字符串

我现在意识到没有必要捕捉第一件事，所以这同样有效：

sub("probe:.*?:(.*?);.*$", "\\1", nm, perl = TRUE)

---

迂回技术：

sapply(strsplit(sapply(strsplit(nm, "e:"), "[[", 2), ";"), "[[", 1)

---

迂回技术：

sapply(strsplit(sapply(strsplit(nm, "e:"), "[[", 2), ";"), "[[", 1)

---

伙计，把它存到一个文本文件里，然后运行grep之类的程序。您使用了一个错误的工具。1）请为我们提供一些可以轻松放入R会话中的代码，使您的示例具有可复制性；2）在linux/unix上尝试

mclappy（）

，或在Windows上尝试

parlappy

，以并行运行。你可能也可以让你的函数更快，但我不会把你的数据放到我的R会话中去找出答案。你能澄清一下“HG Focus:”是否应该是输出的一部分吗？HG Focus不应该出现在输出中。伙计，把它保存到一个文本文件中，然后运行grep或类似的东西。您使用了一个错误的工具。1）请为我们提供一些可以轻松放入R会话中的代码，使您的示例具有可复制性；2）在linux/unix上尝试

mclappy（）

，或在Windows上尝试

parlappy

，以并行运行。您可能也可以使您的功能更快，但我不会通过将您的数据输入我的R会话来了解。您能否澄清“HG Focus:”是否应该是输出的一部分？HG Focus不应该出现在输出中。我很抱歉没有这么具体。HG-FOCUS在其他文件中可能是不同的字符串。但是请你解释一下（特别是“\\2”）我很抱歉没有说得那么具体。HG-FOCUS在其他文件中可能是不同的字符串。但是你能解释一下吗（特别是“\\2”）