在R语言中如何提取特定格式变量并转换为简洁字符串

你需要将数据框中格式为"['Ralph Macchio, ', 'William Zabka, ', 'Courtney Henggeler, ', 'Xolo Maridueña']"的stars字符串，转换为无多余引号和冗余空格的简洁列表"Ralph Macchio, William Zabka, Courtney Henggeler, Xolo Maridueña"，以下是几种实用的解决方法：

方案1：基础字符串替换（快速简洁） #

通过两次正则替换直接处理字符串，无需额外依赖包：

# 直接在原数据框生成清理后的列
df$stars_clean <- gsub("', '", ", ", gsub("^\\['|'\\]$", "", df$stars))

• 第一步gsub("^\\['|'\\]$", "", df$stars)：移除字符串开头的['和结尾的']
• 第二步gsub("', '", ", ", ...)：把中间用作分隔的', '替换成标准的, 分隔符

方案2：JSON解析法（更严谨） #

该格式接近JSON但使用了单引号，先转换为合法JSON格式再解析，适合格式存在微小变动的场景：

# 先安装并加载jsonlite包（如果未安装）
# install.packages("jsonlite")
library(jsonlite)

df$stars_clean <- sapply(df$stars, function(x) {
  # 单引号替换为双引号，转为合法JSON数组格式
  json_str <- gsub("'", '"', x)
  # 解析为字符向量
  stars_vec <- fromJSON(json_str)
  # 移除每个元素末尾的逗号和空格后拼接成字符串
  paste(trimws(gsub(",$", "", stars_vec)), collapse = ", ")
})

这种方法能兼容更复杂的情况，比如元素内包含特殊字符（只要原格式接近JSON规范）。

方案3：tidyverse管道风格（适合数据框流式处理） #

使用dplyr和stringr包，代码可读性更强，适配日常数据清洗的流式工作流：

# 加载tidyverse工具包
library(dplyr)
library(stringr)

# 生成包含清理后字段的新数据框
df_clean <- df %>%
  mutate(
    stars_clean = stars %>%
      str_remove_all("^\\['|'\\]$") %>%  # 移除首尾的包裹字符
      str_split("', '") %>%              # 按分隔符拆分为字符向量
      map_chr(~paste(trimws(str_remove(.x, ",$")), collapse = ", "))  # 清理元素并拼接
  )

验证结果：

# 查看第一条清理后的结果
df_clean$stars_clean[1]
# 输出："Ralph Macchio, William Zabka, Courtney Henggeler, Xolo Maridueña"

内容的提问来源于stack exchange，提问作者Amar Lakel