regex - 在 R 中使用正则表达式捕获部分字符串

Question

我有这些字符串:

myseq <- c("ALM_GSK_LN_06.ID","AS04_LV_06.ID.png","AS04_SP_06.IP.png")

我想做的是捕捉部分序列

ALM_GSK  LN  ID
AS04     LV  ID
AS04     SP  IP

我试过了但是失败了:

library(stringr)
str_match(myseq, "([A-Z]+)_(LN|LV|SP)_06\\.([A-Z]+)")

产生:

     [,1]           [,2]  [,3] [,4]
[1,] "GSK_LN_06.ID" "GSK" "LN" "ID"
[2,] NA             NA    NA   NA  
[3,] NA             NA    NA   NA  
> 

正确的做法是什么？

Answer 1

你很接近。这是一个小调整:

str_match(myseq, "(.+)_(LN|LV|SP)_06\\.([A-Z]+)")[, -1]

产生:

     [,1]      [,2] [,3]
[1,] "ALM_GSK" "LN" "ID"
[2,] "AS04"    "LV" "ID"
[3,] "AS04"    "SP" "IP"

你的不起作用，因为你的第一个标记既不匹配数字也不匹配下划线，而你需要“AS04”(数字)和“ALM_GSK”(下划线)。