从 R 中的 .sdf 文件中提取唯一字段的正则表达式

Question

我正在寻找 R 中的正则表达式来提取 .sdf 化学数据文件中给定的字段。 在这种情况下，字段由 < > 分隔，并在一行的开头跟在“>”之后。 例如。在这种情况下

string=">  <FIELD1>\nfield text1\n\n>  <FIELD2>\nfield text2\n\n>  <FIELD3>field text3"

它必须返回

fields=c("FIELD1","FIELD2","FIELD3")

(它们可能会出现多次，所以我只需要 unique() 那些) 有什么想法吗？

干杯， 汤姆

Answer 1

试试这个。它提取字符串中与括号中的正则表达式部分匹配的部分，然后使用 unique 对其进行简化:

library(gsubfn)
strapplyc(string, "<([^>]*)>", simplify = unique)

给予:

[1] "FIELD1" "FIELD2" "FIELD3"

REVISED 轻微简化。