R正则表达式替换和向量

Question

str_replace 如何使用 "starting with" ^ 和矢量？

我正在尝试从名称列表中删除前缀（先生、女士、博士、上尉等），只是从头开始。我试过：str_replace(name, prefix, '')。这仅替换了名称向量中的少数前缀（Mr.、Ms.、Dr.、Capt. 等），但大多数前缀仍然存在。同时我不想将 Dr. Drake 中的 Dr 替换为 ake。 Dr. Drake 应该是 Drake.

name <- c('Mrs. Emily S', 'Dr. Richard L', 'Dr. Drake D', 'Mr. Mrdrmsmrs', 'Test Name')
prefix <- c('Dr.', 'Mr.', 'Ms.', 'Mrs.', 'Capt.')
# Wiktor Stribiżew's code
str_replace(name, paste0("^(?:", paste(prefix, collapse="|"), ")(?!\.)"), '')

有空格。但是我们可以删除那些 trimws() 或 stringr::str_trim()

Answer 1

您只想删除 prefix 字符向量中定义的字母数字字符串，仅当它们出现在字符串的开头时。它们包含文字 .，必须对其进行转义以表示模式中的文字 .。

使用

regex.escape <- function(string) {
  gsub("([][{}()+*^${|\\?.])", "\\\1", string)
}
sort.by.length.desc <- function (v) v[order( -nchar(v)) ]  ## Just in case you have overlapping items in prefix char vector

name <- c('Mrs. Emily S', 'Dr. Richard L', 'Dr. Drake D', 'Mr. Mrdrmsmrs', 'Test Name')
prefix <- c('Dr.', 'Mr.', 'Ms.', 'Mrs.', 'Capt.')
prefix <- sort.by.length.desc(prefix) ## This is not important unless any abbreviation ends with more than 1 dot, else you may remove this line for the current problem
res <- trimws(gsub(paste0("^(?:",paste(regex.escape(prefix), collapse="|"), ")"), '', name, perl="TRUE"))
res
## => [1] "Emily S"   "Richard L" "Drake D"   "Mrdrmsmrs" "Test Name"
## OR
## res <- trimws(str_replace(name, paste0("^(?:",paste(regex.escape(prefix), collapse="|"), ")"), ''))

参见online R demo。

在这里，paste0("^(?:",paste(regex.escape(prefix), collapse="|"), ")") 动态创建了一个类似于 ^(?:Mr\.|Ms\.|Dr\.|Capt\.) 的模式来匹配这样的字符串：

^ - 字符串开头
(?:Mr\.|Ms\.|Dr\.|Capt\.) - Mr.、Ms.、Dr.、Capt. 等

R正则表达式替换和向量

R regex replace & vector

regex

r

stringr