我有这个向量myvec。我想在第二个“：”之后删除所有内容并获得结果。如何删除第 n 个 ':' 之后的字符串？
myvec<- c("chr2:213403244:213403244:G:T:snp","chr7:55240586:55240586:T:G:snp" ,"chr7:55241607:55241607:C:G:snp")
result
chr2:213403244
chr7:55240586
chr7:55241607
【问题讨论】：
这里有一些选择。我们删除第 k 个冒号及其后的所有内容。问题中的示例对应于 k = 2。在下面的示例中，我们使用 k = 3。
1) read.table 将数据读取到 data.frame 中，挑选出所需的列并将其重新粘贴在一起：
k <- 3 # keep first 3 fields only
do.call(paste, c(read.table(text = myvec, sep = ":")[1:k], sep = ":"))
给予：
[1] "chr2:213403244:213403244" "chr7:55240586:55240586"
[3] "chr7:55241607:55241607"
2) sprintf/sub 构造适当的正则表达式（在下面的 k 等于 3 的情况下，它将是 ^((.*?:){2}.*?):.* ）并将其与 sub 一起使用：
k <- 3
sub(sprintf("^((.*?:){%d}.*?):.*", k-1), "\\1", myvec)
给予：
[1] "chr2:213403244:213403244" "chr7:55240586:55240586"
[3] "chr7:55241607:55241607"
注 1： 对于 k=1，可以进一步简化为 sub(":.*", "", myvec)，对于 k=n-1，可以进一步简化为 sub(":[^:]*$", "", myvec)
注2：这是k等于3的正则表达式的可视化：
^((.*?:){2}.*?):.*
3) 迭代删除最后一个字段 我们可以使用上面注 1 中的最后一个正则表达式删除最后一个字段 n-k 次，如下所示：
n <- 6 # number of fields
k < - 3 # number of fields to retain
out <- myvec
for(i in seq_len(n-k)) out <- sub(":[^:]*$", "", out)
如果我们想自动设置 n，我们可以选择将上面的硬编码行设置 n 替换为：
n <- count.fields(textConnection(myvec[1]), sep = ":")
4) 定位第 k 个冒号的位置 使用gregexpr 定位冒号的位置，然后提取第 k 个的位置减去一个，因为我们不想要尾随冒号。使用substr 从相应的字符串中提取那么多字符。
k <- 3
substr(myvec, 1, sapply(gregexpr(":", myvec), "[", k) - 1)
给予：
[1] "chr2:213403244:213403244" "chr7:55240586:55240586"
[3] "chr7:55241607:55241607"
注3：假设有n个字段。该问题要求删除第 k 个分隔符之后的所有内容，因此该解决方案应该适用于 k = 1、2、...、n-1。它不需要为 k = n 工作，因为没有 n 分隔符；但是，如果我们将 k 定义为要返回的字段数，那么 k = n 是有意义的，事实上，(1) 和 (3) 在这种情况下也有效。 (2) 和 (4) 不适用于此扩展，但我们可以通过使用 paste0(myvec, ":") 而不是 myvec 作为输入轻松让它们工作。
注意 4：我们比较性能：
library(rbenchmark)
benchmark(
.read.table = do.call(paste, c(read.table(text = myvec, sep = ":")[1:k], sep = ":")),
.sprintf.sub = sub(sprintf("^((.*?:){%d}.*?):.*", k-1), "\\1", myvec),
.for = { out <- myvec; for(i in seq_len(n-k)) out <- sub(":[^:]*$", "", out)},
.gregexpr = substr(myvec, 1, sapply(gregexpr(":", myvec), "[", k) - 1),
order = "elapsed", replications = 1000)[1:4]
给予：
test replications elapsed relative
2 .sprintf.sub 1000 0.11 1.000
4 .gregexpr 1000 0.14 1.273
3 .for 1000 0.15 1.364
1 .read.table 1000 2.16 19.636
使用 sprintf 和 sub 的解决方案是最快的，尽管它确实使用了复杂的正则表达式，而其他解决方案使用更简单的正则表达式或不使用正则表达式，并且出于简单的原因可能更受欢迎。
添加添加了额外的解决方案和额外的注释。
【讨论】：
我们可以使用sub。我们从字符串的开头匹配一个或多个不是: 的字符（^([^:]+），然后是:，然后再匹配一个不是: 的字符（[^:]+），将其放在捕获组，即在括号内。我们在替换中用捕获组（\\1）替换。
sub('^([^:]+:[^:]+).*', '\\1', myvec)
#[1] "chr2:213403244" "chr7:55240586" "chr7:55241607"
以上适用于发布的示例。对于在第 n 个分隔符之后删除的一般情况，
n <- 2
pat <- paste0('^([^:]+(?::[^:]+){',n-1,'}).*')
sub(pat, '\\1', myvec)
#[1] "chr2:213403244" "chr7:55240586" "chr7:55241607"
用不同的'n'检查
n <- 3
重复同样的步骤
sub(pat, '\\1', myvec)
#[1] "chr2:213403244:213403244" "chr7:55240586:55240586"
#[3] "chr7:55241607:55241607"
或者另一种选择是按: 拆分，然后将paste 拆分为n 个组件。
n <- 2
vapply(strsplit(myvec, ':'), function(x)
paste(x[seq.int(n)], collapse=':'), character(1L))
#[1] "chr2:213403244" "chr7:55240586" "chr7:55241607"
【讨论】：