基于另一列重叠内容移除某列字符串重复部分（上下文相关）

原始数据（均为字符串类型）：

需要移除Column B中与Column A完全重叠的部分，得到以下结果：

尝试过用for循环和gsub，但要么只替换了重叠单词（比如把"I am John I am Steve"变成"Steve"），要么完全没效果，请问该怎么实现需求？

核心思路是将Column A的完整字符串作为匹配目标，在Column B中精准替换掉该内容，再清理多余空格，最后处理空字符串的情况。

方法1：用dplyr批量处理 #

假设数据存储在名为df的数据框中，代码如下：

library(dplyr)

df <- df %>%
  mutate(
    # 转义Column A中的特殊字符（如问号、句号），避免正则解析错误
    escaped_A = gsub("([.?])", "\\\\\\1", Column_A),
    # 匹配Column B开头的Column A内容及后续任意空格，替换为空
    Column_B_cleaned = gsub(paste0("^", escaped_A, "\\s*"), "", Column_B),
    # 清理首尾空格，处理空值格式
    Column_B_cleaned = trimws(Column_B_cleaned),
    Column_B_cleaned = ifelse(Column_B_cleaned == "", "\"\"", paste0("\"", Column_B_cleaned, "\""))
  ) %>%
  select(Column_A, Column_B = Column_B_cleaned)

方法2：用基础R循环处理 #

如果不用dplyr，也可以用循环逐行处理：

for (i in 1:nrow(df)) {
  # 转义特殊字符
  pattern <- gsub("([.?])", "\\\\\\1", df$Column_A[i])
  # 替换开头的匹配内容及后续空格
  cleaned <- gsub(paste0("^", pattern, "\\s*"), "", df$Column_B[i])
  # 清理空格并统一空值格式
  cleaned <- trimws(cleaned)
  df$Column_B[i] <- ifelse(cleaned == "", "\"\"", paste0("\"", cleaned, "\""))
}

关键细节说明 #

• 转义特殊字符：gsub("([.?])", "\\\\\\1", Column_A)会把字符串里的?、.转义成正则能识别的\?、\.，避免这些符号被当作正则语法解析；
• 精准匹配开头：^符号确保只替换Column B开头的Column A内容，不会误删中间出现的重复字符串；
• 清理空格：trimws()会去掉替换后字符串首尾的多余空格，保证格式整洁。

内容的提问来源于stack exchange，提问作者user22571454