删除除指定字段外的字符串答案

【问题标题】：Remove string except in specified fields删除除指定字段外的字符串
【发布时间】：2020-09-22 17:24:21
【问题描述】：

我希望使用 str_replace 或 gsub 从我的数据框中的列中删除字符“ WD ”并将其替换为“ ”。但是，列中的某些字段我不希望删除“WD”字符。请注意，我正在处理的数据中有超过 8,000 个特征，因此无需输入我想更改的每个字段字符串的一行代码是必不可少的。

df = PA_prec

COLUMN

PA CRAWFORD MEADVILLE WD 02

PA CRAWFORD TITUSVILLE WD 02

PA BLAIR HOLLIDAYSBURG WD 01

PA BLAIR ALTOONA WD 03

目标：我希望删除所有“WD”字符，除了 PA CRAWFORD TITUSVILLE 和 PA BLAIR HOLLIDAYSBURG。

代码应该类似于：

PA_prec$COLUMN <- str_replace(PA_prec$COLUMN, " WD ", " ")

或

PA_prec$COLUMN <- gsub("\\.", "", PA_prec$COLUMN)

...但我需要排除上面列出的两个字段。

感谢您提供的任何帮助！

【问题讨论】：

标签： r regex str-replace gsub

【解决方案1】：

你可以用这个：

sub("(?<!TITUSVILLE |HOLLIDAYSBURG )WD ", "", x, perl = T)

这里我们使用否定的lookbehind，它可以被修饰为“如果你没有看到左边的...则匹配”。注意：这仅适用于sub，如果您使用perl = T。

【讨论】：

太棒了！这似乎奏效了。但是，你知道我是否可以将 WD 识别为“WD”，这样我就可以确保我只删除前后有空格的字符 WD？我尝试在您发送的代码中在 WD 的正面和背面添加一个空格，但它不起作用。谢谢:)
请参阅编辑后的解决方案：现在删除WD，而不会留下任何多余的空白。

【解决方案2】：

使用

(?<!TITUSVILLE|HOLLIDAYSBURG)\sWD\s

见poof。

说明

--------------------------------------------------------------------------------
  (?<!                     look behind to see if there is not:
--------------------------------------------------------------------------------
    TITUSVILLE               'TITUSVILLE'
--------------------------------------------------------------------------------
   |                        OR
--------------------------------------------------------------------------------
    HOLLIDAYSBURG            'HOLLIDAYSBURG'
--------------------------------------------------------------------------------
  )                        end of look-behind
--------------------------------------------------------------------------------
  \s                       whitespace (\n, \r, \t, \f, and " ")
--------------------------------------------------------------------------------
  WD                       'WD'
--------------------------------------------------------------------------------
  \s                       whitespace (\n, \r, \t, \f, and " ")

R code:

df <- data.frame(COLUMN=c("PA CRAWFORD MEADVILLE WD 02","PA CRAWFORD TITUSVILLE WD 02","PA BLAIR HOLLIDAYSBURG WD 01","PA BLAIR ALTOONA WD 03"))
df$COLUMN <- sub("(?<!TITUSVILLE|HOLLIDAYSBURG)\\sWD\\s", " ", df$COLUMN, perl=TRUE)
df

输出：

                        COLUMN
1     PA CRAWFORD MEADVILLE 02
2 PA CRAWFORD TITUSVILLE WD 02
3 PA BLAIR HOLLIDAYSBURG WD 01
4          PA BLAIR ALTOONA 03

【讨论】：