R：trim 字符串集中的连续尾随和前导特殊字符

Question

我有一个字符向量列表，所有字符向量的长度都相等。示例数据：

> a = list('**aaa', 'bb*bb', 'cccc*')
> a = sapply(a, strsplit, '')
> a
[[1]]
[1] "*" "*" "a" "a" "a"

[[2]]
[1] "b" "b" "*" "b" "b"

[[3]]
[1] "c" "c" "c" "c" "*"

我想识别字符 * 的所有前导和尾随连续次出现的索引。然后我想从列表中的 所有三个向量 中删除这些索引。通过尾随和前导连续字符我的意思是例如要么像第三个 (cccc*) 那样只出现一次，要么像第一个 (**aaa) 那样连续出现多次。

删除后，所有三个字符向量的长度应该仍然相同。

所以前两个和最后一个字符应该从所有三个向量中删除。

[[1]]
[1] "a" "a"

[[2]]
[1] "*" "b"

[[3]]
[1] "c" "c"

请注意，所需结果的第二个向量仍将有一个前导 *，但它在操作后成为第一个字符，因此它应该在。

我尝试使用 which 来识别索引 (sapply(a, function(x)which(x=='*')))，但这仍然需要一些代码来检测尾随的索引。

有什么简单的解决方案吗？

Answer 1

首先，就像 Richard Scriven 在他对你的问题的评论中所问的那样，你的输出与你要求的不一样。您要求删除前导字符和尾随字符，但给定的理想输出只是字符列表的第 3 个和第 4 个元素。这很容易通过

之类的东西实现

a <- list('**aaa', 'bb*bb', 'cccc*')
alist = sapply(a, strsplit, '')
lapply(alist, function(x) x[3:4])

现在回答你的问题：

恕我直言，此处不需要 sapply()。您需要 grep 家族的一个函数来直接对您的角色进行操作，这些角色都共享一个由 ?grep 打开的 R 中的帮助页面。

我建议 gsub() 和一些正则表达式来解决你的问题：

a <- list('**aaa', 'bb*bb', 'cccc*')
b <- gsub(pattern = "^(\*)*", x = a, replacement = "")
c <- gsub(pattern = "(\*)*$", x = b, replacement = "")
> c
[1] "aaa"   "bb*bb" "cccc"

这在一个正则表达式中是可行的，但是我认为你需要对两者之间的内容进行反向引用，而我没有让它起作用。

如果您熟悉 magrittr 包及其出色的管道运算符，则可以更优雅地执行此操作：

library(magrittr)
gsub(pattern = "^(\*)*", x = a, replacement = "") %>%
gsub(pattern = "(\*)*$", x = ., replacement = "")

Answer 2

我会用 NA:

替换前导星和滞后星

aa <- lapply(setNames(a,seq_along(a)), function(x) {
  star = x=="*"
  toNA = cumsum(!star) == 0 | rev(cumsum(rev(!star))) == 0
  replace(x, toNA, NA)
})

存储在 data.frame:

DF <- do.call(data.frame, c(aa, list(stringsAsFactors=FALSE)) )

省略所有包含 NA 的行：

res <- na.omit(DF)
#   X1 X2 X3
# 3  a  *  c
# 4  a  b  c

如果您讨厌 data.frame 并希望返回您的列表：lapply(res,I) 或 c(unclass(res))，这会给出

$X1
[1] "a" "a"

$X2
[1] "*" "b"

$X3
[1] "c" "c"

R：trim 字符串集中的连续尾随和前导特殊字符

R: trim consecutive trailing and leading special characters from set of strings

r

character