字母的分裂顺序，同时保留原始序列位置

Question

我需要将以下字母顺序分为不同的块

scdksfnrgecscdksfnrgecscscdksfnrgec，

我使用了以下用户提供的以下代码来实现我最初想要的东西，这是每次C之后分开序列

library(dplyr)

TestSequence <- "SCDKSFNRGECSCDKSFNRGECSCDKSFNRGEC"

Test <- strsplit(TestSequence, "(?<=[C])", perl = TRUE) %>% unlist 

df <- data.frame(Fragment = Test) %>%
  mutate("position" = cumsum(nchar(Test)))

。 C并保留其在序列中的位置，例如C处的位置2、11等。

现在，我需要在不同位置拆分相同的序列，我可以使用以下位置进行以下以在p，a，g或s之后

Test2 <- strsplit(TestSequence, "(?<=[P,A,G,S])", perl = TRUE) %>% unlist

分开如果我希望它在给定的字符之后分开，但是如果我尝试在字符之前将其分开，例如D，我似乎无法将D保留在片段中。我只有在D之后分开的情况下才能保留它

。

Test3 <- strsplit(TestSequence, "(?=[D])", perl = TRUE) %>% unlist

还有一种方法可以保留原始序列中每个C的确切位置吗？

因此，如果我要在初始K之后拆分测试序列，那么我会有一个是SCDK的片段，我可以有一个单独的列告诉我C在原始序列中的位置。就像第二个示例一样，下一个片段将是sfnrgecscdk，在该单独的列中，它将说C最初位于位置11。

Answer 1

使用strsplit中仅使用的图案而导致的零长度匹配不能正确处理。

在这种情况下，您也需要在左侧“锚定”比赛。使用非字边界，或者在字符串开始时放弃匹配项的外观：

TestSequence <- "SCDKSFNRGECSCDKSFNRGECSCDKSFNRGEC"
strsplit(TestSequence, "\\B(?=D)", perl = TRUE)
# => [[1]]
# => [1] "SC"          "DKSFNRGECSC" "DKSFNRGECSC" "DKSFNRGEC"  
 
strsplit(TestSequence, "(?<!^)(?=D)", perl = TRUE)
# => [[1]]
# => [1] "SC"          "DKSFNRGECSC" "DKSFNRGECSC" "DKSFNRGEC"  

请参阅在线r demo 。

\ b（？= d）模式匹配与单词char之前的位置，并立即随后遵循d。

（？代码> D。

另外，请注意[P，A，G，S]匹配P，a，g，s 和comma 。您应该使用[PAGS]匹配其中一个字母。