使用带有多个分隔符的 strsplit [重复]答案

【问题标题】：Use strsplit with multiple delimiters [duplicate]使用带有多个分隔符的 strsplit [重复]
【发布时间】：2018-05-26 04:39:19
【问题描述】：

我该如何拆分这个

 Chr3:153922357-153944632(-)
 Chr11:70010183-70015411(-)

进入

    Chr3  153922357 153944632 - 
    Chr11 70010183  70015411  -

我试过strsplit(df$V1,"[[:punct:]]"))，但最终结果中没有出现负号

【问题讨论】：

（我想）我不小心删除了下面的有效帖子（不是我的）！我最深切的歉意！我不记得是谁了。我将此标记为 mod 的注意以取消删除。
您只想在第一次出现- 时进行拆分。也许here的一些答案可能会有所帮助

标签： r regex strsplit

【解决方案1】：

你也可以从stringr尝试str_split：

library(stringr)
lapply(str_split(df$V1, "(?<!\\()\\-|[:\\)\\(]"), function(x) x[x != ""])

结果：

[[1]]
[1] "Chr3"      "153922357" "153944632" "-"        

[[2]]
[1] "Chr11"    "70010183" "70015411" "-"

数据：

df = read.table(text = " Chr3:153922357-153944632(-)
 Chr11:70010183-70015411(-) ")

【讨论】：

【解决方案2】：

问题在于- 既是您要提取的字符又是分隔符。您最好的选择是使用捕获组并指定完整的正则表达式字符串：

stringr::str_match(x, "^(.{4}):(\\d+)-(\\d+)\$(.)\$$")

编辑：如果您想让第一个捕获组捕获任意长度的字符串（例如，任何 X 的 ChrX），您可以将第一个捕获组从 .{4} 更改为 Chr\\d+。

【讨论】：

如果我使用 stringr::str_match(x, "^(.{4}):(\\d+)-(\\d+)$(.)$$")，则第二行越来越不适用
正则表达式应涵盖 ChrNNA 的情况，即：chr1、chr12、chrX。

【解决方案3】：

在使用 stringsplit 和 gsub 的基础 R 中如何：

# Your sample strings
ss <- c("Chr3:153922357-153944632(-)",
        "Chr11:70010183-70015411(-)")

# Split items as list of vectors 
lst <- lapply(ss, function(x)
    unlist(strsplit(gsub("(.+):(\\d+)-(\\d+)\\((.)\\)", "\\1,\\2,\\3,\\4", x), ",")))


# rbind to dataframe if necessary
do.call(rbind, lst);
#    [,1]    [,2]        [,3]        [,4]
#[1,] "Chr3"  "153922357" "153944632" "-"
#[2,] "Chr11" "70010183"  "70015411"  "-"

这也适用于其他染色体名称和正链特征。

【讨论】：