在r中的数据框中提取字符之间的字符串答案

【问题标题】：extracting string between characters in a dataframe in r在r中的数据框中提取字符之间的字符串
【发布时间】：2021-12-24 20:23:46
【问题描述】：

嘿，

我必须提取“|”之间的所有内容在数据框中。

我认为不需要可重现的数据，但这是数据框的第一行作为示例

Accession                      FASTA                                                                                                                                                                                               
  <chr>                          <chr>                                                                                                                                                                                               
1 tr|A0A1G4NSV4|A0A1G4NSV4_9FLOR MLNIRPDEISNIIRQQIEKYDQKVQVANVGTVLQVGDGIARVYGLDDVMAGELLEFEDKTIGVALNLESDNVGVVLMGNGRDILEGSSVRATGKIAQIPVGEKFLGRVVNPLAEPIDGKGEINTSDNRLIESSAPGIIGRQSVCEPLQTGITAIDSMIPIGRGQRELIIGDRQTGKTAVALDTIINQKGQDVICV~
2 tr|A0A1C9CHB7|A0A1C9CHB7_PALPL MGNTKVSRRFRAMSELVQDKNYNYTEAIELLRRSSSAKFVETAEAHIVLGLDPKYADQQLRSTVILPKGTGKLAKVAVITKGEKITEALSAGADLVGAEDVIEQILQGNIDFDKLIATPDIMPLIAKLGRVLGPRGLMPSPKAGTVTIDVGQAVQEFKLGKLEYRLDKTGIVHIPFGKVNFSKEDLAANLLAIKE~
3 tr|A0A1C9CHD7|A0A1C9CHD7_PALPL MPHFTLKVLWLENNIAIAIDQIVGKGTSPLTSYFFWPRNDAWEHLKSELESKPWILEIDRINLLNQATEVINYWQEEGKNNSITKAQLKFPDFLFSGSH                                                                                                 
4 tr|A0A6C0W2A1|A0A6C0W2A1_PALDE MALYNKKLSPIKKTEVLDYKDIDLLRKFITEQGKILPRRSTGLTSKQQKKLTKAIKQARILALLPFLNKD                                                                                                                              
5 tr|R7QB42|R7QB42_CHOCR         MAFISFPSTFIGTNVKAASFSRRSRSAVRTTPIASAVPRNANLKKLQAGYLFPEIGRRRRAYLEQNPGADIISLGVGDTTMPIPEHICSGLVGGASKLGTEEGYSGYGAEQGMGPLREKIAQVLYKGTVKSDEVFVSDGAKCDISRLQQVFGATATVAVQDPSYPVYVDTSVMMGQTGLYDESKGQFEGIQYMQC~
6 tr|A0A3G1I907|A0A3G1I907_9FLOR MIKKGDVVKITRKESYWYQENGTVIKVESEIKYPVLVRFEKEAYNGVNSNNFAEDEVVVLK

我该怎么做？

【问题讨论】：

总是需要提供可重现的数据。通常不会关闭的问题。
使用dput() 可以使您的数据更具重现性。

标签： r regex

【解决方案1】：

假设每一行都有一个 |在里面

lapply(strsplit(df$Accession,"|"),"[[",2)

【讨论】：

【解决方案2】：

这也可能对您有所帮助。假设您知道如何在数据集上应用代码，我只使用了一个字符串：

(?<=\\|) 正向后视意味着所需的字符串前面应该有一个文字 |
(?=\\|) 正向前瞻意味着所需的字符串后面应该跟一个 literl | 这两个字符都没有被捕获，然后：
[^|]* 除文字 | 之外的任何字符零次或多次。\

vec <- c("tr|A0A1G4NSV4|A0A1G4NSV4_9FLOR")

regmatches(vec, regexpr("(?<=\\|)[^|]*(?=\\|)", vec, perl = TRUE))
[1] "A0A1G4NSV4"

【讨论】：