获取R-regex中某个模式后的字符

Question

我有一个数据帧，其中有一列：

df <- data.frame(cat = c("c(\"BPT\", "BP")", "c("BP2", "BP")", "c("BPT", "BP")", "c("CN", "NC")"))
df$cat <- as.character(df$cat)
df$cat

如何提取出现在c(\"，有时只有一个反斜杠，有时有2个。与字符类似，有时字符为2，有时为3。例如BP2、BP等

到目前为止，我已经尝试过：

substr(x = df$cat, start = 4, stop = 6)

但这导致：

 ""BP" "BP2"  "BPT"  "CN""

我只想输出显示

"BPT" "BP2"  "BPT"  "CN"

Answer 1

您可以使用

df <- data.frame(cat = c("c(\"BPT\", "BP")", "c("BP2", "BP")", "c("BPT", "BP")", "c("CN", "NC")"))
df$cat <- as.character(df$cat)
unlist(lapply(gsub('\', '', df$cat, fixed=TRUE), function(x) eval(parse(text=x))[[1]]))
## => [1] "BPT" "BP2" "BPT" "CN" 

在线观看R演示。

票据

• gsub('\', '', df$cat, fixed=TRUE)删除所有反斜杠。如果只计划删除"之前的反斜杠，则可以使用gsub('\"', '"', df$cat, fixed=TRUE)
• eval(parse(text=x))[[1]]解析矢量并返回第一项
• lapply有助于遍历您所拥有的全部数据。请参见使用sapply和lapply