在R中移除访谈文本里的提问者问题的方法求助

可以通过正则表达式结合字符串处理函数快速移除所有提问者的问题，以下提供两种常用实现方法：

方法一：基础R函数实现 #

无需额外安装包，用基础字符串操作完成处理：

text<- "Interviewer: Hello, how are you?
Subject: I am fine, thanks.

Interviewer: What is your name?
Subject: My name is Gerard."

# 将文本按换行符拆分为单独行
text_lines <- strsplit(text, "\n")[[1]]
# 筛选掉以"Interviewer:"开头的行
subject_responses <- text_lines[!grepl("^Interviewer:", text_lines)]
# 将筛选后的行重新合并为完整文本
cleaned_text <- paste(subject_responses, collapse = "\n")

# 查看处理结果
cat(cleaned_text)

运行后输出：

Subject: I am fine, thanks.

Subject: My name is Gerard.

方法二：使用stringr包简化操作 #

如果习惯tidyverse生态工具，可用stringr包的正则替换功能一步完成：

library(stringr)

text<- "Interviewer: Hello, how are you?
Subject: I am fine, thanks.

Interviewer: What is your name?
Subject: My name is Gerard."

# 移除所有以"Interviewer:"开头的整行内容
cleaned_text <- str_remove_all(text, "^Interviewer:.*\n?")

# 查看处理结果
cat(cleaned_text)

正则表达式说明 #

• ^Interviewer:：精准匹配行首的提问者标识
• .*：匹配该行后续的所有字符内容
• \n?：匹配该行末尾的换行符（可选，确保连同行标识一起彻底删除）

如果访谈文本中提问者标识有变体（比如存在空格差异、缩写等），可以调整正则表达式，例如^Interviewer\s*:.*\n?来匹配标识后的任意空格。

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