如何在R中缩短SPSS文件中超长的变量标签？

背景 #

• 持有Qualtrics大型调查导出的SPSS .sav格式数据
• 数据共含648个变量，多数为多选或排序类问题，每个选项对应一个二元变量
• 其中200个排序响应类变量的标签冗长冗余：前150词左右为重复的问题说明文本，仅末尾2-5词是变量独有的核心信息
• 当前使用haven和labelled包读取.sav文件并生成数据字典

需求 #

移除这200个变量标签中的重复前缀文本，仅保留末尾的独有内容

已完成工作 #

已通过以下代码定位到所有名称含“RANK”的目标变量：

colnames(
  look_for_and_select(data,
                      "RANK", labels = FALSE,
                      values = FALSE,
                      ignore.case = FALSE)
)

搜索到的方案多为替换或新增标签，但需要保留原有标签中的独有内容，推测可通过gsub()实现，需具体思路与代码。

示例 #

某变量标签（翻译后）：

1.5 哪些行动对推进该场景目标最有机会？请从之前选择的行动中最多选3个，拖入框中并按对目标的重要性排序（1=最重要）。
场景背景与假设
假设你是负责规划所在区域某条街道未来20年行道树管理的经理。这条街道有人行道和低层建筑，建筑约1-3层。在这个近乎理想的环境中，你完全控制人行道旁的树木。
在这些场景中，假设以下情况成立：

• 你选择的每个行动都是与完全不采取该行动相比
• 行动将按照行业标准执行
• 树木不会因破坏、新建建筑、极端风暴或虫害入侵等事件被移除
• 新种植的树木在定植期及需要时会得到浇水以存活
• 城市形态不会改变（街道、路面、建筑会保持原样并进行合理维护）
• 种植的树种会适应20年后气候变化预计带来的耐寒区变化
• 排序 - 实现该场景目标的机会（排名3）- 种植本土树种

其中加粗部分为需保留的独有内容，所有目标变量标签均遵循「重复长前缀+不同短后缀」的结构。

解决方案 #

核心思路 #

利用正则表达式精准匹配重复前缀的结束位置，提取后续的独有内容，再将处理后的标签重新赋值给目标变量。

代码实现 #

library(labelled)
library(dplyr)

# 提取目标变量名
rank_vars <- colnames(
  look_for_and_select(data,
                      "RANK", labels = FALSE,
                      values = FALSE,
                      ignore.case = FALSE)
)

# 批量处理标签
for(var in rank_vars) {
  # 获取当前变量的原始标签
  orig_label <- var_label(data[[var]])
  # 正则匹配：提取最后一个"- "之后的内容（适配示例结构）
  cleaned_label <- gsub(".*- ", "", orig_label)
  # 去除首尾多余空格
  cleaned_label <- trimws(cleaned_label)
  # 重新设置变量标签
  var_label(data[[var]]) <- cleaned_label
}

# 验证处理结果
head(var_label(data[rank_vars]))

正则优化 #

若所有目标标签的前缀都有固定结束标识（比如英文标签均以- Ranks - Opportunities to achieve this scenario's goal (rank X) -结尾，中文标签对应- 排序 - 实现该场景目标的机会（排名X）-），可使用更精准的正则避免误匹配：

# 英文标签专属正则
cleaned_label <- gsub(".*- Ranks - Opportunities to achieve this scenario's goal \\(rank \\d+\\) - ", "", orig_label)

# 中文标签专属正则
cleaned_label <- gsub(".*- 排序 - 实现该场景目标的机会（排名\\d+）- ", "", orig_label)

内容的提问来源于stack exchange，提问作者cgbass