删除单元格内多次出现的字符串部分

Question

我有以下数据框：

bla = data.frame(mycol = "bla_v2_2072|ID:61462952|;bla_v2_0113|ID:61460993|")

我想删除第一个“|”之后的所有内容，但该单元格基本上包含两个由“;”分隔的子字符串。

现在，我试过了

gsub("\\|.*","",bla$mycol)

这给了我

bla_v2_2072

，但我期望的是

bla_v2_2072;bla_v2_0113

Answer 1

我们可以用

library(dplyr)
library(tidyr)
library(stringr)
bla %>% 
  mutate(rn = row_number()) %>% 
  separate_longer_delim(mycol, delim = ";") %>% 
   reframe(mycol = str_c(str_remove(mycol, "\\|.*"), 
   collapse = ";"), .by = 'rn') %>%
  select(-rn)

-输出

                   mycol
1 bla_v2_2072;bla_v2_0113

---

或使用

base R

gsub("(\\w+)(\\|ID:\\d+\\|)", "\\1", bla$mycol)
[1] "bla_v2_2072;bla_v2_0113"

Answer 2

使用

gsub()

：

bla$mycol <- gsub("(\\|.*?(?=;))|(\\|[^;]*$)", "", bla$mycol, perl = TRUE)

或者在 tidyverse 中使用相同的正则表达式模式：

library(dplyr)
library(stringr)

bla %>% 
  mutate(mycol = str_remove_all(mycol, "(\\|.*?(?=;))|(\\|[^;]*$)"))

结果：

                    mycol
1 bla_v2_2072;bla_v2_0113

说明：

"(\\|.*?(?=;))              # literal '|' and following characters up to next ';'
              |             # or
               (\\|[^;]*$)" # literal '|' through end of string if no intervening ';'

Answer 3

gsub("\\|[^|]+\\|", "", bla$mycol)
#> [1] "bla_v2_2072;bla_v2_0113"

模式解释：转义“|”其次是一切不是“|”至少一次然后再“|”

Answer 4

你可以先用“;”分隔你的字符串然后删除“|”之后的所有内容。最后，使用

paste0

.

将它们连接起来

> paste0(sub("\\|.*","", unlist(strsplit(bla$mycol, split=";"))), collapse = "; ")
[1] "bla_v2_2072; bla_v2_0113"