如何移除纯字母组成字符串中的第三个单词（保留含数字或双单词的字符串不变）

嗨，我明白你遇到的问题了！你之前用的gsub("\\s*\\w*$", "", df$Species)会一刀切删掉每个字符串的最后一个单词，这当然不符合你的需求——你只想处理全由字母组成且有三个及以上单词的物种名，去掉第三个单词；而带数字/特殊符号、或者只有两个单词的名称得原封不动保留。

我给你调整一下正则表达式，用Perl风格的正则来精准匹配需要处理的字符串：

df$Species <- gsub("^(([A-Za-z]+\\s){2})[A-Za-z]+\\s?", "\\1", df$Species, perl = TRUE)

我来给你拆解一下这个正则的逻辑，帮你理解为什么它能满足需求：

• ^：锚定字符串的开头，避免匹配中间的片段
• (([A-Za-z]+\\s){2})：这是一个捕获组，专门匹配前两个纯字母单词（每个单词后跟一个空格），后面替换的时候会保留这部分内容
• [A-Za-z]+\\s?：匹配第三个纯字母单词，后面的\\s?是为了兼容第三个单词是字符串最后一个的情况（比如Aaadonta constricta babelthuapi这种）
• \\1：把匹配到的内容替换成之前捕获的前两个单词，相当于直接删掉第三个纯字母单词
• perl = TRUE：开启Perl风格正则支持，让上面的锚定和捕获组逻辑正常工作

你可以测试一下这个代码：

• 像Aaadonta constricta babelthuapi这类三个纯字母单词的字符串，会变成Aaadonta constricta
• 带数字/符号的Aaadonta constricta ssp. 2 DAB-2020、双单词的Aaaaba fossicollis都不会被匹配到，完全保留原样，和你想要的输出一致。

备注：内容来源于stack exchange，提问作者tadeufontes