删除第二个“|”在最后一个位置

Question

这里是从我的数据的一些例子：

a <-c("sp|Q9Y6W5|","sp|Q9HB90|,sp|Q9NQL2|","orf|NCBIAAYI_c_1_1023|", 
    "orf|NCBIACEN_c_10_906|,orf|NCBIACEO_c_5_1142|", 
     "orf|NCBIAAYI_c_258|,orf|aot172_c_6_302|,orf|aot180_c_2_405|") 

对于一个：个人字符串可以包含更多的条目“SP |”和“ORF”

结果却是这样的：

[1] "sp|Q9Y6W5" "sp|Q9HB90,sp|Q9NQL2" "orf|NCBIAAYI_c_1_1023" 
    "orf|NCBIACEN_c_10_906,orf|NCBIACEO_c_5_1142" 
    "orf|NCBIAAYI_c_258,orf|aot172_c_6_302,orf|aot180_c_2_405" 

所以，目的是删除最后一个“|”对于每个“sp |”和“orf |”条目。看来“|”是一个特殊的挑战，因为它是正则表达式中的元字符。此外，“orf |”的长度和组成条目差异很大。他们唯一的共同点是“orf |”或“sp |”在开始和那个“|”处于最后位置。我使用gsub（）尝试了不同的东西，但也使用了stringr包或regexpr（）或[：punct：]，但没有任何效果。也许这只是错误的组合。

Answer 1

我们可以使用gsub以匹配后跟,或者是在字符串的结尾（$）的|和空白（""）

gsub("[|](?=(,|$))", "", a, perl = TRUE) 
#[1] "sp|Q9Y6W5" 
#[2] "sp|Q9HB90,sp|Q9NQL2"          
#[3] "orf|NCBIAAYI_c_1_1023" 
#[4] "orf|NCBIACEN_c_10_906,orf|NCBIACEO_c_5_1142"    
#[5] "orf|NCBIAAYI_c_258,orf|aot172_c_6_302,orf|aot180_c_2_405" 

---

更换或我们split通过,', remove the last character with substr , and paste the list` elements together

sapply(strsplit(a, ","), function(x) paste(substr(x, 1, nchar(x)-1), collapse=",")) 

Answer 2

一个简单的替代方案可能有效。您需要使用“\\|”转义“|”。

# Input 
a <-c("sp|Q9Y6W5|","sp|Q9HB90|,sp|Q9NQL2|","orf|NCBIAAYI_c_1_1023|", 
     "orf|NCBIACEN_c_10_906|,orf|NCBIACEO_c_5_1142|", 
     "orf|NCBIAAYI_c_258|,orf|aot172_c_6_302|,orf|aot180_c_2_405|") 

# Expected output 
b <- c("sp|Q9Y6W5", "sp|Q9HB90,sp|Q9NQL2", "orf|NCBIAAYI_c_1_1023" , 
     "orf|NCBIACEN_c_10_906,orf|NCBIACEO_c_5_1142" , 
     "orf|NCBIAAYI_c_258,orf|aot172_c_6_302,orf|aot180_c_2_405") 

res <- gsub("\\|,", ",", gsub("\\|$", "", a)) 

all(res == b) 
#[1] TRUE 

你可以构造一个正则表达式调用gsub，但这是简单和容易理解。内部gsub查找|和字符串的结尾并将其删除。外部gsub寻找,|并替换为,。

Answer 3

您不必如果指定perl=TRUE在这里使用一个PCRE正则表达式，因为所有你需要可以用默认TRE正则表达式（来完成，图案编译一个PCRE正则表达式引擎和有时比TRE默认的正则表达式引擎慢）。

这里是一个简单的通话gsub：

gsub("\\|(,|$)", "\\1", a) 

见online R demo。正如你所看到的那样，没有什么看法是必要的。

图案的详细资料

• \\| - 文字|符号（因为如果你不逃避，或放入括号表达式会表示交替操作，请参阅下面的线）
• (,|$) - 一个捕获组（与替换模式中的\1引用）匹配两个备选方案中的任意一个：
  • , - 逗号
  • | - 或（交替操作者）
  • $ - 串锚的端部。

在替换字符串的\1告诉正则表达式引擎插入存储在捕获组＃1返回到生成的字符串的内容（因此，逗号恢复这样在必要时）。