删除R中字符串和括号之间的所有字符

Question

假设我有一个数据框 df ，其中 df $ string 列包含

等字符串

[cat 00.04;09]
[cat 00.04;10]

等等。我想删除＆＃34; [cat ＆＃34;之间的所有字符和＆＃34;]＆＃34; 产生

[cat]
[cat]

我已经尝试使用gsub，但它无法正常工作，而且我不确定我做错了什么：

gsub('cat*?\\]', '', df)

Answer 1

请注意，cat*?\\]模式匹配ca，然后匹配任何0 + t字符，但尽可能少，然后]。

您希望在]和[cat之间匹配]以外的任何字符：

gsub('\\[cat[^]]*\\]', '[cat]', df$strings)

下面，

• \\[ - 匹配[
• cat - 匹配cat
• [^]]* - 除了]以外的0个字符（请注意，括号表达式中的]在放置在开头时不应转义 - 否则，如果你逃避它，你将会需要添加perl=TRUE参数，因为PCRE正则表达式引擎可以处理括号表达式内的正则表达式转义（不是默认的TRE））
• \\] - ]（你甚至不需要逃避它，你可以只使用]）。

请参阅R demo：

x <- c("[cat 00.04;09]", "[cat 00.04;10]")
gsub('\\[cat[^]]*\\]', '[cat]', x)
## => [1] "[cat]" "[cat]"

如果cat可以是任何字词，请使用

gsub('\\[(\\w+)[^]]*\\]', '[\\1]', x)

其中(\\w+)是ID = 1且与1个或多个字符匹配的捕获组，替换模式中的\\1是代表组值的替换后向引用。