R：从字符串集中修剪连续的尾随和前导特殊字符

Question

我有一个字符向量列表，长度都相等。示例数据：

> a = list('**aaa', 'bb*bb', 'cccc*')
> a = sapply(a, strsplit, '')
> a
[[1]]
[1] "*" "*" "a" "a" "a"

[[2]]
[1] "b" "b" "*" "b" "b"

[[3]]
[1] "c" "c" "c" "c" "*"

我想确定字符* 的所有前导和尾随连续 出现的索引。然后我想从列表中的 所有三个向量 中删除这些索引。通过尾随和前导连续字符，我的意思是例如要么只出现一次，如第三个 (cccc*)，要么连续出现多个，如第一个 (**aaa)。

删除后，所有三个字符向量的长度仍应相同。

所以前两个和最后一个字符应该从所有三个向量中删除。

[[1]]
[1] "a" "a"

[[2]]
[1] "*" "b"

[[3]]
[1] "c" "c"

请注意，所需结果的第二个向量仍然有一个前导*，但是它在操作后成为第一个字符，所以它应该在。

我尝试使用which 来识别索引 (sapply(a, function(x)which(x=='*')))，但这仍然需要一些代码来检测尾随的索引。

对于简单的解决方案有什么想法吗？

Answer 1

我会用NA 替换领先和落后的星星：

aa <- lapply(setNames(a,seq_along(a)), function(x) {
  star = x=="*"
  toNA = cumsum(!star) == 0 | rev(cumsum(rev(!star))) == 0
  replace(x, toNA, NA)
})

存储在 data.frame 中：

DF <- do.call(data.frame, c(aa, list(stringsAsFactors=FALSE)) )

省略所有带有NA的行：

res <- na.omit(DF)
#   X1 X2 X3
# 3  a  *  c
# 4  a  b  c

---

如果您讨厌 data.frames 并希望恢复您的列表：lapply(res,I) 或 c(unclass(res))，这给出了

$X1
[1] "a" "a"

$X2
[1] "*" "b"

$X3
[1] "c" "c"

Answer 2

首先，就像 Richard Scriven 在对您的问题的评论中所问的那样，您的输出与您要求的不同。您要求删除前导和尾随字符，但您给定的理想输出只是字符列表的第 3 和第 4 个元素。 这很容易通过

之类的方法实现

a <- list('**aaa', 'bb*bb', 'cccc*')
alist = sapply(a, strsplit, '')
lapply(alist, function(x) x[3:4])

现在回答你的问题：

恕我直言，这里不需要sapply()。 你需要一个 grep 系列的函数来直接对你的角色进行操作，它们都共享一个由 ?grep 打开的 R 帮助页面。

我会建议gsub() 和一些正则表达式来解决您的问题：

a <- list('**aaa', 'bb*bb', 'cccc*')
b <- gsub(pattern = "^(\\*)*", x = a, replacement = "")
c <- gsub(pattern = "(\\*)*$", x = b, replacement = "")
> c
[1] "aaa"   "bb*bb" "cccc" 

这在一个正则表达式中是可行的，但是你需要对我认为之间的东西进行反向引用，而我没有让它起作用。

如果您熟悉 magrittr 包及其出色的管道运算符，则可以更优雅地执行此操作：

library(magrittr)
gsub(pattern = "^(\\*)*", x = a, replacement = "") %>%
gsub(pattern = "(\\*)*$", x = ., replacement = "")