如何提取与精确字符串匹配但隐藏在较大字符串中的行？

Question

我需要过滤掉数据框中包含这个确切字符串“S[Phospho(STY)]Q”的行。但是，在每种情况下，该字符串都位于较大字符串的中间，从不在开头，也从不在结尾。

我遇到的问题是在下面的列表中我希望我的代码提取 QGS[Phospho(STY)]QAG 和 GS[Phospho(STY)]QP 但 str_detect 函数只提取那些行字符串中包含仅部分匹配的其他字母，例如 SSQGS[Phospho(STY)]DDEQ.

我尝试添加S[磷酸（STY）]Q，但没有过滤任何内容

有什么建议吗？谢谢！

可重现的示例：

`col <- c("QGS[Phospho(STY)]QAG",
    "GS[Phospho(STY)]QP",
    "SSQGS[Phospho(STY)]DDEQ",
    "SSQGS[Phospho(STY)]DDEQI",
    "S[Phospho(STY)]TSSQPE")

dat <- data.frame(col)

STQ_dat <- dat %>%  
  filter(str_detect(col, "S[phospho(STY)]Q"))

STQ_dat`

Answer 1

首先，您必须考虑要查找的字母的正确大小写，即使用

P

而不是

p

。其次，默认情况下，提供给

pattern=

的

str_detect

被解释为正则表达式，并且

[

和

]

（以及

(

和

)

）都是正则表达式中的特殊字符，即您有使用

\\

来逃避它们，即

\\[

来寻找

[

。您使用

[]

的方式指定了一组有效符号，例如包含

SSQ

的字符串将与您的模式匹配，因为中间的

S

与指定集合中的字母匹配。避免转义的第二个选择是将模式包装在

fixed()

:

中

library(stringr)
library(dplyr, warn = FALSE)

dat %>%
  filter(
    str_detect(col, "S\\[Phospho\\(STY\\)\\]Q")
  )
#>                    col
#> 1 QGS[Phospho(STY)]QAG
#> 2   GS[Phospho(STY)]QP

dat %>%
  filter(
    str_detect(col, fixed("S[Phospho(STY)]Q"))
  )
#>                    col
#> 1 QGS[Phospho(STY)]QAG
#> 2   GS[Phospho(STY)]QP