如何替换R中长文本字符串中以固定模式结尾的文本序列？

Question

我在数据帧中有一个列，其中包含格式的长文本序列(通常是数千个字符)：

abab(VR) | ddee(NR) | def(NR) | fff(VR) | oqq | pqq | ppf(VR)

即字符串，括号中的后缀，然后是分隔符。

我试图在R中计算出语法，以删除以(VR)结尾的项，包括如果有尾随管道的话，以便留给我：

ddee(NR) | def(NR) | oqq | pqq

我无法计算出将删除这些条目的正则表达式(或gsub)，并请求任何人是否可以帮助我。

Answer 1

如果要使用gsub，可以分两个阶段删除该模式：

gsub(" \\| $", "", gsub("\\w+\\(VR\\)( \\| )?", "", s))
# firstly remove all words ending with (VR) and optional | following the pattern and 
# then remove the possible | at the end of the string

# [1] "ddee(NR) | def(NR) | oqq | pqq"

• 正则表达式\\w+\\(VR\\)将匹配以(VR)结尾的单词，括号由\\转义；
• ( \\| )?匹配可选的分隔符|，这将确保它将匹配字符串中间和末尾的模式；
• 可能在字符串末尾遗漏的|可以被第二个gsub删除；

Answer 2

下面是一个使用带折叠参数的strsplit和paste的方法：

paste(sapply(strsplit(temp, split=" +\\| +"),
        function(i) { i[setdiff(seq_along(i), grep("\\(VR\\)$", i))] }),
  collapse=" | ")
[1] "ddee(NR) | def(NR) | oqq | pqq"

我们在管道和空格上拆分，然后将结果列表提供给sapply，后者使用grep函数删除以"(VR)“结尾的向量中的任何元素。最后，将结果粘贴在一起。

我添加了一个带有setdiff的子设置方法，这样没有任何"(VR)“的向量就会返回，而不需要任何修改。