R - 使用正则表达式删除所有字符串，特殊字符和模式结束元素

Question

假设我有一个字符向量ids ，如下所示：

ids <- c("367025001", "CT_341796001", "M13X01692-01", "13C025050901", "13C00699551")

我想搜索每个元素并删除所有字母，所有特殊字符，并在结束元素时删除“01”。 所以ids会变成：

ids_replaced <- c("3670250", "3417960", "1301692", "130250509", "1300699551")

我有点接近，但它没有按照我的意图行事。

gsub("(.*?)(\\d+?)(01$)", "\\2", ids, perl = TRUE)

Answer 1

你可以用

gsub("01$|\\D", "", ids)
# [1] "3670250"    "3417960"    "1301692"    "130250509"  "1300699551"
identical(gsub("01$|\\D", "", ids), ids_replaced)
# [1] TRUE

正则表达式说明：

• 01匹配“01”
• $之前的可选\\n和字符串的结尾
• | 要么
• \\D匹配非数字（除了0-9之外）

Answer 2

使用rex可以使这种类型的任务更简单一些。

ids <- c("367025001", "CT_341796001", "M13X01692-01", "13C025050901", "13C00699551")

re_substitutes(ids,
  rex(non_digits %or% list("01", end)),
  '',
  global = TRUE)

#> [1] "3670250"    "3417960"    "1301692"    "130250509"  "1300699551"

Answer 3

我不知道如何在R中做到这一点，但你可以使用这个正则表达式：

-\d+$|\D

工作演示