在R语言中进行文本挖掘：删除各文档的第一句话

需求说明 #

处理包含多段文本的数据集，移除每条文本的第一句话，保留剩余内容。

输入示例 #

预期输出 #

示例数据集（R语言） #

case_number <- c(1, 2)
text <- c("Today is a good day. It is sunny.",
          "Today is a bad day. It is rainy.")
data <- data.frame(case_number, text)

解决方案 #

方法1：使用stringr包（语法直观，推荐） #

# 首次使用需安装包
# install.packages("stringr")
library(stringr)

# 移除第一句话并生成新列
data$processed_text <- str_remove(data$text, "^.*?\\.\\s")

方法2：使用基础R的sub函数（无需额外安装包） #

# 移除第一句话并生成新列
data$processed_text <- sub("^.*?\\.\\s", "", data$text)

正则表达式说明 #

^.*?\\.\\s 规则解析：

• ^：匹配文本起始位置
• .*?：非贪婪模式匹配任意字符，直到遇到第一个句号
• \\.：匹配句号（正则中句号为特殊字符，需反斜杠转义）
• \\s：匹配句号后的空格

执行后，processed_text列即为移除第一句话后的目标内容。

内容的提问来源于stack exchange，提问作者USER12345