如何移除数据列中特定关键词及之后的所有内容

需求说明 #

需要处理数据框中的company_name列，移除"aka"或"dba"这两个关键词以及它们之后的所有字符，同时兼容关键词前后可能存在的多个空格情况。

原始数据结构 #

df <- structure(list(Number.of.Workers = c("82", "82", "79", "79", 
"71", "65", "62", "58", "56", "53", "49"), company_name = c("valley ho hotels aka kings inn", 
"aluminum precision products", "levity of brea  dba brea improv", 
"crunch", "comedy club of los angeles  dba hollywood improv", 
"andre-boudin bakeries inc   dba boudin", "comedy club of san jose  dba san jose improv", 
"comedy club of brea  dba ontario improv", "sprout bost ", "culver west lp - playa provisions", 
"faa concord h dba concord honda")), row.names = 5195:5205, class = "data.frame")

解决方案 #

方法1：使用stringr包（tidyverse生态，语法更直观）

先加载stringr包，然后用正则表达式匹配并移除目标内容：

library(stringr)

# 方式一：直接移除关键词及后续内容
df$cleaned_company_name <- str_remove_all(df$company_name, "\\s*(aka|dba).*")

# 方式二：提取关键词之前的内容（无关键词则保留原内容）
df$cleaned_company_name <- str_extract(df$company_name, "^.*?(?=\\s*(aka|dba))|^.*$")

方法2：基础R的gsub函数（无需额外安装包）

用基础R的正则替换功能直接处理：

df$cleaned_company_name <- gsub("\\s*(aka|dba).*", "", df$company_name)

正则说明 #

• \\s*：匹配0个或多个空格（兼容关键词前有多个空格的情况）
• (aka|dba)：匹配"aka"或"dba"任意一个关键词
• .*：匹配关键词之后的所有字符
• 替换为空字符串""即可实现移除效果

处理后示例结果 #

内容的提问来源于stack exchange，提问作者bear_525