regex - 在第一个冒号处分割字符串

Question

我正在使用readLines读取文本格式的数据文件。第一“列”是我不需要的复杂文本。接下来的列包含我确实需要的数据。第一个“列”和数据由冒号 (:) 分隔。我希望在第一个冒号处分割每一行并删除生成的文本字符串，仅保留数据。

下面是一个示例数据文件。一个潜在的复杂情况是一行数据包含多个冒号。该行可能在某个时候成为我的标题。因此，我可能不应该在每个冒号处进行拆分，而应该在第一个冒号处进行拆分。

my.data <- "first string of text..:  aa : bb : cc 
            next string ........  :   2    0    2
            third string......1990:   7    6    5
            last string           :   4    2    3"

my.data2 <- readLines(textConnection(my.data))
my.data2

我已经尝试过这里提供的代码:

Split on first comma in string

这里:

R: removing the last three dots from a string

上面第一个链接的代码似乎仅在第一行的第一个冒号处分割。第二个链接中的代码可能会执行我想要的操作，但对于我来说太复杂了，到目前为止无法成功修改它。

这是我希望获得的数据，此时我可以使用非常简单的 gsub 语句将第一行中剩余的冒号替换为空格:

   aa : bb : cc 
    2    0    2
    7    6    5
    4    2    3

抱歉，如果这是我未找到的帖子的重复内容，感谢您的任何建议或帮助。

Answer 1

以下将从字符串的开头开始，然后抓取所有内容，包括第一个冒号和任何其他空格，然后将其替换为任何内容(本质上只是将其删除)

gsub("^[^:]+:\\s*", "", my.data2)

如果您不想删除空格，可以这样做

gsub("^[^:]+:", "", my.data2)

<小时/>

对原始正则表达式的作用进行一些澄清。从头开始:

^ 这表示仅在字符串开头查找匹配

[^:] 这代表任何不是冒号的字符

+ 这表示匹配前面的字符一次或多次(因此匹配尽可能多的非冒号字符)

: 这是实际匹配冒号的内容

\\s 这与空格匹配

* 这表示匹配前面的字符零次或多次(因此我们删除冒号后面的任何附加空格)

因此，将它们放在一起，我们从字符串的开头开始，然后匹配尽可能多的非冒号字符，然后捕获第一个冒号字符和任何其他空格，然后将所有内容替换为空(本质上删除所有垃圾我们不想要)。