r - 正则表达式的最后一次匹配

Question

我正在寻找一个 R 模式匹配表达式，用于提取列表中每个元素中最后一个完全填充的分类法。分类法始终具有相同的格式（一个字母两个下划线和一个单词（有时在方括号内）。未完全填充的分类法在两个下划线后没有单词。

我能够构建一个在一个正则表达式构建器网站上工作的表达式
(.\_\_[A-Za-z\[\]]+)(?!.*__[A-Za-z\[\])
但是我没有运气使用它或将它转换为使用 R grep {base} 或任何类似的模式匹配方法。这是我尝试过的事情之一

clean=gsub("(.\_\_[A-Za-z[]]+)(?!.*__[A-Za-z[]])","\1",taxonomies,perl = TRUE)

有什么建议吗？谢谢！

taxonomies=
  list('k__Bacteria; p__Bacteroidetes; c__[Saprospirae]; o__[Saprospirales]; f__Chitinophagaceae; g__; s__'
       ,'k__Bacteria; p__Actinobacteria; c__MB-A2-108; o__0319-7L14; f__; g__; s__'
       ,'k__Bacteria; p__Actinobacteria; c__Actinobacteria; o__Actinomycetales;f__Corynebacteriaceae; g__Corynebacterium; s__'
       ,'k__Bacteria; p__Proteobacteria; c__Betaproteobacteria; o__Rhodocyclales; f__Rhodocyclaceae; g__Methyloversatilis; s__'
       ,'k__Bacteria; p__Proteobacteria; c__Deltaproteobacteria; o__Myxococcales; f__; g__; s__'
       ,'k__Bacteria; p__Proteobacteria; c__[Deltaproteobacteria]; o__[W123]; f__[W123]; g__[W123]; s__[W123.012.123]'
       ,'k__Bacteria; p__Bacteroidetes; c__[Saprospirae]; o__[Saprospirales]; f__Chitinophagaceae')

期望的输出

[1] "f__Chitinophagaceae"  "o__0319-7L14" "g__Corynebacterium"   
[4] "g__Methyloversatilis" "o__Myxococcales"  "s__[W123.012.123]"   
[7] "f__Chitinophagaceae"

编辑包括所需的输出，示例代码 gsub 不起作用。

Answer 1

我们可以使用 stri_extract_last 从 stringi

library(stringi)
stri_extract_last(unlist(taxonomies), regex = '[A-Za-z]__\[*[[:alnum:].-]+\]*')
#[1] "f__Chitinophagaceae"  "o__0319-7L14" "g__Corynebacterium"   
#[4] "g__Methyloversatilis" "o__Myxococcales"  "s__[W123.012.123]"   
#[7] "f__Chitinophagaceae"

在这里，我假设 OP 的意思是提取 **...** 中的字符。它一定是一些格式问题，因为它没有显示在 BOLD.

中

数据

taxonomies=list(
  'k__Bacteria; p__Bacteroidetes; c__[Saprospirae]; o__[Saprospirales]; f__Chitinophagaceae; g__; s__'
  ,'k__Bacteria; p__Actinobacteria; c__MB-A2-108; o__0319-7L14; f__; g__; s__'
  ,'k__Bacteria; p__Actinobacteria; c__Actinobacteria; o__Actinomycetales;f__Corynebacteriaceae; g__Corynebacterium; s__'
 ,'k__Bacteria; p__Proteobacteria; c__Betaproteobacteria; o__Rhodocyclales; f__Rhodocyclaceae; g__Methyloversatilis; s__'
 ,'k__Bacteria; p__Proteobacteria; c__Deltaproteobacteria; o__Myxococcales; f__; g__; s__'
  ,'k__Bacteria; p__Proteobacteria; c__[Deltaproteobacteria]; o__[W123]; f__[W123]; g__[W123]; s__[W123.012.123]'
  ,'k__Bacteria; p__Bacteroidetes; c__[Saprospirae]; o__[Saprospirales]; f__Chitinophagaceae'
  )

r - 正则表达式的最后一次匹配

r - Last match of regular expression

regex

r

taxonomy

gsub

数据