Question

在R中，我有一系列公司，例如：

companies  <-  data.frame(Name=c("Company A Inc (COMPA)","Company B (BEELINE)", "Company C Inc. (Coco)", "Company D Inc.", "Company E"))

我想删除带括号的文本，最后是以下列表：

                  Name
1        Company A Inc 
2            Company B
3       Company C Inc.
4       Company D Inc.
5            Company E

我尝试过的一种方法是拆分字符串，然后使用ldply：

companies$Name <- as.character(companies$Name)
c<-strsplit(companies$Name, "\\(")
ldply(c)

但是因为并非所有公司名称都有括号部分，所以它失败了：

Error in list_to_dataframe(res, attr(.data, "split_labels"), .id, id_as_factor) : 
  Results do not have equal lengths

我没有和strsplit解决方案结婚。无论删除该文本和括号都没关系。

Answer 1

gsub应该在这里工作

gsub("\\s*\\([^\\)]+\\)","",as.character(companies$Name))

# [1] "Company A Inc"  "Company B"      "Company C Inc."
# [4] "Company D Inc." "Company E"

这里我们只更换“（...）”的出现（也删除任何前导空格）。由于它们是正则表达式中的特殊字符，所以R使它看起来比我们必须对括号进行的所有转义更糟糕。

Answer 2

您可以使用stringr::str_replace。它很好，因为它接受因子变量。

companies <- data.frame(Name=c("Company A Inc (COMPA)","Company B (BEELINE)", 
                               "Company C Inc. (Coco)", "Company D Inc.", 
                               "Company E"))

library(stringr)
str_replace(companies$Name, " \\(.*\\)", "")
# [1] "Company A Inc"  "Company B"      "Company C Inc." 
# [4] "Company D Inc." "Company E"

如果您仍想使用strsplit，则可以

companies$Name <- as.character(companies$Name)
unlist(strsplit(companies$Name, " \\(.*\\)"))
# [1] "Company A Inc"  "Company B"      "Company C Inc."
# [4] "Company D Inc." "Company E"

Answer 3

你也可以使用：

library(qdap)
companies$Name <-  genX(companies$Name, " (", ")")

companies
        Name
1  Company A Inc
2       CompanyB
3 Company C Inc.
4 Company D Inc.
5       CompanyE

Answer 4

如果您要达到预期的效果，请删除以(开头的所有内容。

sub(" \\(.*", "", companies$Name)
#[1] "Company A Inc"  "Company B"      "Company C Inc." "Company D Inc." "Company E"

要从字符串中删除括号和文本，您可以使用

。

sub("\\(.*)", "", c("ab (cd) ef", "(ij) kl"))
#[1] "ab  ef" " kl"

如果括号不止一个：

gsub("\\(.*?)", "", c("ab (cd) ef (gh)", "(ij) kl"))
#[1] "ab  ef " " kl"

(需要转义\\(，.表示所有内容，*表示从0到n重复，?表示不贪婪地从中删除所有内容第一场到最后一场比赛。

作为替代方案，您可以使用[^)]来表示所有内容，但不能使用)。

sub("\\([^)]*)", "", c("ab (cd) ef", "(ij) kl"))
#[1] "ab  ef" " kl"   

gsub("\\([^)]*)", "", c("ab (cd) ef (gh)", "(ij) kl"))
#[1] "ab  ef " " kl"

Answer 5

如果括号是成对且平衡的，则可以使用

gsub("\\s*(\\([^()]*(?:(?1)[^()]*)*\\))", "", x, perl=TRUE)

请参见regex和R demo online：

companies  <-  data.frame(Name=c("Company A Inc (COMPA)","Company B (BEELINE)", "Company C Inc. (Coco)", "Company D Inc.", "Company E"))
gsub("\\s*(\\([^()]*(?:(?1)[^()]*)*\\))", "", companies$Name, perl=TRUE)

输出：

[1] "Company A Inc"  "Company B"      "Company C Inc." "Company D Inc."
[5] "Company E"

正则表达式详细信息

\s*-零个或多个空格
(\([^()]*(?:(?1)[^()]*)*\))-捕获组1（需要递归括号之间的模式部分）：
- \(-一个(字符
- [^()]*-除(和)以外的零个或多个字符
- (?:(?1)[^()]*)*-整个第1组模式的出现次数为零或更多（(?1)是递归第1组模式的regex子例程），然后为除(和{{ 1}}
- )-一个\)字符。

Answer 6

library(qdap)
bracketX(companies$Name) -> companies$Name

Answer 7

另一种gsub解决方案：用""将括号中的术语替换为可选空格，即空字符串

gsub("(\\s*\\(\\w+\\))", "", companies$Name)

[1] "Company A Inc"  "Company B"      "Company C Inc." "Company D Inc."
[5] "Company E"

从R中的字符串中删除括号和文本

7 个答案: