r - 如何使用 grep 进行过滤

Question

我有一个结构如下的分类文件：

我可以使用 grep 之类的东西（我在这里没有经验）从分类单元列中删除元素吗？

例如，而不是：

D_0__Bacteria;D_1__Fusobacteria;D_2__Fusobacteriia;D_3__Fusobacteriales;D_4__Fusobacteriaceae;D_5__Fusobacterium

我可以删除“梭杆菌”之前和之后的所有内容，所以它只说：

Fusobacterium

有些行进入物种级别，所以我需要在第 5 级识别之后删除详细信息。例如：

改变：

D_0__Bacteria;D_1__Proteobacteria;D_2__Gammaproteobacteria;D_3__Pasteurellales;D_4__Pasteurellaceae;D_5__Haemophilus;D_6__Pasteurellaceae bacterium canine oral taxon 272

至：

Haemophilus

标签： rfiltering

Answer 1

这应该可以解决问题：

sample <- "D_0__Bacteria;D_1__Proteobacteria;D_2__Gammaproteobacteria;D_3__Pasteurellales;D_4__Pasteurellaceae;D_5__Haemophilus;D_6__Pasteurellaceae bacterium canine oral taxon 272"

sub(".*D_5__([A-Za-z]*);.*", "\\1", sample)
# [1] "Haemophilus"

解释

我们正在匹配整个字符串并捕获 和 之间的字母D_5__模式;。然后我们只告诉sub()返回捕获的模式。