删除字符串中的尾随括号

Question

R 中字符数据中的 removing/replacing 尾随方括号、内引号和斜线，最好使用 dplyr.

，希望能提供一些帮助

样本：

df <- c("['Mamie Smith']", "[\"Screamin' Jay Hawkins\"]")

我尝试过的：

gsub("[[]]", "", df) # Throws error

df %>%
  str_replace("[[]]", "") # Also throws error

数据应该是什么样的。

"Mamie Smith", "Screamin' Jay Hawkins"

希望得到您的帮助。

Answer 1

基数 R:

sapply(regmatches(df, regexec('(\w.*)(.*\w)', df)), "[", 1)

[1] "Mamie Smith"           "Screamin' Jay Hawkins"

或

我们可以将 stringr 包中的 str_extract 与此正则表达式一起使用：

library(stringr)

str_extract(df, '(\w.*)(.*\w)')

[1] "Mamie Smith"           "Screamin' Jay Hawkins"

Answer 2

因为 [、] 和 " 是特殊字符，您需要 'escape' 使用双反斜杠 \

这是一些替代代码：

gsub('\"|\[|\]', "", df)

Answer 3

在 base R 中我们可以使用 trimws 函数：

如果我们对非单词部分不感兴趣：

trimws(df, whitespace = "\W+")
[1] "Mamie Smith"           "Screamin' Jay Hawkins"

但是，如果我们只对删除方括号和引号感兴趣，同时保留其他标点符号、空格等，那么：

trimws(df, whitespace = "[\]\[\"']+")
[1] "Mamie Smith"           "Screamin' Jay Hawkins"

Answer 4

要将方括号与随附的引用类型配对，您可以使用：

\[(["'])(.*?)]

说明

在替换中使用捕获组 2 的值使用 \2

df <- c("['Mamie Smith']", "[\"Screamin' Jay Hawkins\"]")
gsub("\[([\"'])(.*?)\1]", "\2", df)

输出

[1] "Mamie Smith"           "Screamin' Jay Hawkins"

Answer 5

另一个相对简单的正则表达式解决方案是：

data.frame(df) %>%
  mutate(df = gsub("\[\W+|\W+\]", "", df))
                     df
1           Mamie Smith
2 Screamin' Jay Hawkins

在这里，我们删除任何出现一次或多次的 non-alphanumeric 字符 (\W+)，条件是它前面有 OR (|)，后跟一个方括号。

或者，从@TaerJae 借用但大大简化：

library(stringr)
data.frame(df) %>%
  mutate(df = str_extract(df, '\w.*\w'))

这里我们只关注字符串两边的字母数字字符 (\w)，同时允许任何字符 (.*) 出现 in-between，因此捕获，例如，Screamin' 中的撇号和空格。

Answer 6

在 [] 中寻找 ] 时，它需要在第一位 []] 或在其他地方转义。用于字符串的引号在 "[\"]" 或 '["]' 中使用时需要转义。在示例字符串中没有斜杠（这里它们只是转义 "）。

gsub("[]['\"]", "", df)
#[1] "Mamie Smith"          "Screamin Jay Hawkins"

另一个避免转义 " 或 ' 的选项是使用原始字符常量 r"(...)".

gsub(r"([]["'])", "", df)
#[1] "Mamie Smith"          "Screamin Jay Hawkins"

要将搜索限制在边界 ^（开始）和 $（结束）需要给出。

gsub("^[]['\"]*|[]['\"]*$", "", df)
#[1] "Mamie Smith"           "Screamin' Jay Hawkins"

可以使用

或 trimws。

trimws(df, "both", "[]['\"]")
#[1] "Mamie Smith"           "Screamin' Jay Hawkins"

Remove trailing brackets in a string