Question

我已经从SO中获利，现在已经有一段时间了，现在决定注册并尝试a）帮助他人和b）从伟人那里获得帮助:)）

所以我的问题是，我从一个看起来像这样的数据框中提取了向量（只是数据的一小部分）：

cho <- c("[M-H]: C4H4O2", 
"[M+Hac-H]: C5H10O6",
"[M-H]: C6H4O3",
"[M+Fa-H]: C7H6O",
"[M-H]: C9H8O3",
"[M-H]: C18H30O3);

现在从这个向量中我想提取数字以获得＆＃34; C＆＃34;，＆＃34; H＆＃34;和＆＃34; O＆＃34;原子：

temp <- strsplit(cho, "[^[:digit:]]");
temp <- as.numeric(unlist(temp));

#remove NAs
temp <- temp[!is.na(temp)];

#split into three column matrix and convert to df to merge with original df
temp <- as.data.frame(matrix(temp, ncol = 3, byrow = T));

在这种情况下，R正在循环数据以生成矩阵，在我的情况下，对于更大的数据集，生成的temp向量足够长并且矩阵正在生成，但它是一团糟;这是由"[M+Fa-H]: C7H6O"之类的情况引起的，其中只能提取两个数字;怎么可能得到一个＆＃34; 1＆＃34;在＆＃34; O＆＃34;之后这样可以提取三个数而不是两个？有解决方法吗？

非常感谢您的帮助！

Answer 1

我们可以使用str_extract_all。使用正则表达式外观匹配\\d+或C或H后面的一个或多个数字（O），在list中提取这些数字，并转换为integer

library(stringr)
lst <- lapply(str_extract_all(cho, "(?<=C|H|O)\\d+"), as.integer)

或base R选项

read.csv(text=sub(".*C?(\\d+)H?(\\d+)O?(\\d*).*", 
              "\\1,\\2,\\3", cho), header=FALSE, fill=TRUE)

从字符串中提取三个数字（缺少数字？）

1 个答案: