我想在第一个 之前删除文本答案

【问题标题】：I want to remove text before first 我想在第一个 之前删除文本
【发布时间】：2019-03-30 15:03:03
【问题描述】：

我想要在第一个标记之后的文本，然后删除剩余部分文本中的。

x=data.frame(text=c("Hi John, hope you are doing well.< br/ >Let me know, when we can meet? < br/ > I have lot to talk about")

预期输出：

"Let me know, when we can meet? I have lot to talk about"

【问题讨论】：

标签： r regex

【解决方案1】：

请注意，通常使用正则表达式来解析 HTML 内容并不理想。由于您的内容没有嵌套，因此在这里可能是可靠的，我们可以尝试通过两次调用 sub 来做到这一点：

text <- "Hi John, hope you are doing well.< br/ >Let me know, when we can meet? < br/ > I have lot to talk about"
sub("< br/ >\\s*", "", sub(".*?< br/ >(.*)", "\\1", text))

[1] "Let me know, when we can meet? I have lot to talk about"

对sub 的内部调用首先删除文本的前导部分，直到第一个  标记（包括）。然后，对sub 的第二次调用会删除所有剩余的  标签。

【讨论】：

【解决方案2】：

非正则表达式的答案是拆分 " " 并收集除第一个之外的所有术语并将它们粘贴在一起。

sapply(strsplit(as.character(x$text), "< br/ >"),
          function(x) paste0(x[-1], collapse = ""))
#[1] "Let me know, when we can meet?  I have lot to talk about"

【讨论】：

【解决方案3】：

gsub 的另一种效率较低的方法：

res1<-gsub("< br/ >|\\s{1,}(?<=\\n)","",gsub(".*(?=Let)","",x$text,perl=TRUE),perl=TRUE)
gsub("  ","",res1,perl=TRUE)

这会删除我之前的空格：

[1] "Let me know,when we can meet?I have lot to talk about

【讨论】：

【解决方案4】：

我们可以使用str_extract_all提取出现在模式（ ）之后且不是<的所有文本

library(stringr)
paste(str_extract_all(x$text, "(?<=< br/ >)[^<]+")[[1]], collapse="")
#[1] "Let me know, when we can meet?  I have lot to talk about"

或者另一种选择是将  替换为分隔符，读取为read.csv/read.table 和paste

do.call(paste0, read.csv(text = gsub("< br/ >", ";", x$text, 
  fixed = TRUE), header = FALSE, sep=";", stringsAsFactors = FALSE)[-1])
#[1] "Let me know, when we can meet?  I have lot to talk about"

【讨论】：