如何删除遵循某种模式的字符串的一部分，但不包括使用 R 的另一个模式？答案

【问题标题】：How do I remove part of a string that follows a certain pattern up to, but not including another pattern using R?如何删除遵循某种模式的字符串的一部分，但不包括使用 R 的另一个模式？
【发布时间】：2021-02-26 02:45:02
【问题描述】：

我在 R 中有一个包含人员数据的数据框。字符串的第一部分是全名。每隔一段时间，我就会遇到括号中的昵称。括号中可能还有我不想删除的其他数据。这是我正在使用的一种数据的示例：

Name <- c(
    "JOSEPH RYAN SMITH (USRID1)",
    "ANDREA J LOPEZ RAMIREZ (USRID2) (CONTRACTOR)",
    "TIMOTHY (TIM) JOHNSON (USRID3) (INTERN)",
    "JESSICA JENNIFER JONES (USRID4) (CONTRACTOR)",
    "WILLIAM (BILLIE) JOEL (USRID5)")
df <- as.data.frame(Name)

我明白了：

                                         Name
1                   JOSEPH RYAN SMITH (USRID1)
2 ANDREA J LOPEZ RAMIREZ (USRID2) (CONTRACTOR)
3      TIMOTHY (TIM) JOHNSON (USRID3) (INTERN)
4 JESSICA JENNIFER JONES (USRID4) (CONTRACTOR)
5               WILLIAM (BILLIE) JOEL (USRID5)

我只想删除昵称。我注意到一个昵称的不同之处在于它总是在括号中，并且总是跟在一个姓氏之后。括号中包含的所有其他指示符后跟“（”或记录结尾。我尝试删除括号中的字符串，该字符串后跟空格和字符 A-Z。

df$Name <- str_remove(df$Name, "[\\(][A-Z]+[\\)][ ][A-Z]")

这删除了姓氏的第一个字母并给了我：

 Name
1                   JOSEPH RYAN SMITH (USRID1)
2 ANDREA J LOPEZ RAMIREZ (USRID2) (CONTRACTOR)
3             TIMOTHY OHNSON (USRID3) (INTERN)
4 JESSICA JENNIFER JONES (USRID4) (CONTRACTOR)
5                         WILLIAM OEL (USRID5)

我也没有成功尝试过“不跟（”这样的：

df$Name <- str_remove(df$Name, "[\\(][A-Z]+[\\)][ ][^\\(]")

我尝试了其他一些方法，删除了我需要保留的括号中的其他指标。任何帮助表示赞赏。谢谢。

【问题讨论】：

标签： r regex dataframe stringr

【解决方案1】：

使用正向lookeahd (?=)，以便匹配姓氏的第一个字母，但不会被删除。

stringr::str_remove(df$Name, "\\([A-Z]+\\)\\s(?=[A-Z])")

#[1] "JOSEPH RYAN SMITH (USRID1)"                  
#[2] "ANDREA J LOPEZ RAMIREZ (USRID2) (CONTRACTOR)"
#[3] "TIMOTHY JOHNSON (USRID3) (INTERN)"           
#[4] "JESSICA JENNIFER JONES (USRID4) (CONTRACTOR)"
#[5] "WILLIAM JOEL (USRID5)"

您也可以使用sub 在基础 R 中编写此代码：

sub('\\([A-Z]+\\)\\s(?=[A-Z])', '', df$Name, perl = TRUE)

【讨论】：

会的！跑了 1M 行，看起来不错！