R语言实现移除字符串中指定多词标识及之前内容的方法

问题背景 #

网页抓取得到如下格式的字符串：

x <- "Tomas Ceresnak (C)\nC 71 16 Elko Prairie Cowboys\n- UNK\nVratislav Bohácik (F)\nF 71 16 Wabun Huskies\n- UNK\nLuca Mullins (D)\nD 71 16 Groundbirch Rhino Chuckers\n- UNK\nDandre Carlton (F)\nF 71 16 Ebony Gothic Knights\n- UNK\nLynn Marez (F)\nF 71 16 Ebony Gothic Knights\n- UNK\nHynek Hoško (C)\nC 71 16 HC Kometa Železnice U18\n- UNK\nGlynn Shields (F)\nF 71 16 Chanhassen Nova Ocelots\n- UNK\nJeet Beals (C)\nC 71 16 Chanhassen Nova Ocelots\n- UNK\nVeit Olivarez (F)\nF 71 16 Minnesota City Electricity\n- UNK\nGregory Mason (D)\nD 71 16 McMurphy Energy\n- UNK\nElias Storck (C)\nC 71 16 SK Semla U18\n- UNK\nKnut Scheutz (C)\nC 71 16 Bogla AIF U18\n- UNK\nJonny Hendrix (F)\nF 71 16 Minnesota City Electricity\n- UNK\nDmitry Kuvayev (G)\nG 71 16 Rotor Pervomayskiy U18\n- UNK\nKofi Orona (G)\nG 71 16 Cherhill Vikes\n- UNK"

需要实现：

1. 移除包含Dandre Carlton (F)在内的所有前置内容，保留该标识后的全部文本
2. 统计新字符串中左括号(的数量，得到分界点后的个体总数

已尝试gsub(paste0(".*",name),"",string)但未成功，需要通用方法适配任意分界名称。

问题分析 #

之前的写法失败原因是：分界名称中的()属于正则元字符，直接拼接进正则模式会被解析为分组符号，无法准确匹配目标字符串；同时.*的贪婪匹配虽然没问题，但特殊字符未转义是核心问题。

正确实现代码 #

1. 截取目标内容 #

# 定义变量
name <- "Dandre Carlton (F)"
string <- x  # 原始抓取字符串

# 生成安全匹配模式：\\Q和\\E包裹分界名，自动转义所有正则特殊字符
pattern <- paste0(".*\\Q", name, "\\E")

# 使用sub只匹配一次分界点，截取后续内容
newstring <- sub(pattern, "", string)

执行后newstring会得到预期结果：

"\nF 71 16 Ebony Gothic Knights\n- UNK\nLynn Marez (F)\nF 71 16 Ebony Gothic Knights\n- UNK\nHynek Hoško (C)\nC 71 16 HC Kometa Železnice U18\n- UNK\nGlynn Shields (F)\nF 71 16 Chanhassen Nova Ocelots\n- UNK\nJeet Beals (C)\nC 71 16 Chanhassen Nova Ocelots\n- UNK\nVeit Olivarez (F)\nF 71 16 Minnesota City Electricity\n- UNK\nGregory Mason (D)\nD 71 16 McMurphy Energy\n- UNK\nElias Storck (C)\nC 71 16 SK Semla U18\n- UNK\nKnut Scheutz (C)\nC 71 16 Bogla AIF U18\n- UNK\nJonny Hendrix (F)\nF 71 16 Minnesota City Electricity\n- UNK\nDmitry Kuvayev (G)\nG 71 16 Rotor Pervomayskiy U18\n- UNK\nKofi Orona (G)\nG 71 16 Cherhill Vikes\n- UNK"

2. 统计个体数量 #

使用stringr包的str_count时，注意转义左括号（正则特殊字符）：

library(stringr)
individuals <- str_count(newstring, "\\(")

通用适配说明 #

只需修改name变量的值为任意分界标识即可，\\Q和\\E会自动处理分界名中的所有正则特殊字符（如()、.、*等），确保匹配准确，无需额外修改正则模式。

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