R语言移除字符串中引号及内部内容的问题求助

你的问题核心是数据里同时存在中文弯引号（“”）和英文直引号（""），之前的正则表达式只匹配了英文引号，导致中文引号包裹的内容没被处理。以下是两种可行的解决方案：

方案1：统一引号格式后处理 #

先把所有中文弯引号替换为英文直引号，再用正则移除引号及内部内容，步骤清晰易理解：

# 1. 将中文弯引号替换为英文直引号
df$text <- gsub("“|”", "\"", df$text)
# 2. 移除所有英文引号及内部内容
df$text_clean <- gsub("\"[^\"]+\"", "", df$text)
# 3. 清理残留的单独引号（处理嵌套引号后的残留）
df$text_clean <- gsub("\"", "", df$text_clean)

方案2：直接匹配两种引号类型（推荐） #

用正则同时匹配中文弯引号和英文直引号对，结合非贪婪匹配处理可能的嵌套情况：

library(stringr)
# 移除所有中文/英文引号及内部内容
df$text_clean <- str_remove_all(df$text, "“.*?”|\"[^\"]+\"")
# 清理残留的单独引号
df$text_clean <- str_remove_all(df$text_clean, "“|”|\"")

验证结果 #

处理后的数据框df$text_clean内容如下：

[1] "Example:  https://t.co/ -  MORE TEXT - example:  finished."
[2] "Text  More text. https://t.co/"

完全符合移除引号及内部内容的需求。

内容的提问来源于stack exchange，提问作者Christina