从字符串中删除不必要的字符

Question

AB753217|Influenza A virus (A/African Stonechat/Vietnam/8/2009(H9N2)) |H9N2 |4 (HA)|2009-11-12

我想从更快的标题中删除一些字符，这样输出看起来像这样使用 r

AB753217|A/African Stonechat/Vietnam/8/2009|H9N2 |HA|2009-11-12

我试过使用

gsub()

但我的代码似乎是错误的：

df_1$isolate_name <- gsub("Influenza A virus \\(","", df_1$isolate_name) 
df_1$isolate_name <- gsub("\\)_segment.*gene", "", df_1$isolate_name)

Answer 1

您可以删除

|

和

(

之间的所有内容不是

(

或

|

：

\\|[^(|]+\\(

，或

(

或

)

和

|

之间的所有内容不是

|

:

[()][^|]*\\|

并重新插入

|

.

s <- "AB753217|Influenza A virus (A/African Stonechat/Vietnam/8/2009(H9N2)) |H9N2 |4 (HA)|2009-11-12"

gsub("\\|[^(|]+\\(", "|", s) |> gsub("[()][^|]*\\|", "|", x=_) #In two separate steps

gsub("(?<=\\|)[^(|]+\\(|[()][^|]*(?=\\|)", "", s, perl=TRUE) #In one step using non consuming look ahead / behind and or |

#[1] "AB753217|A/African Stonechat/Vietnam/8/2009|H9N2 |HA|2009-11-12"