如何用正则表达式移除字符串中的带编号换行符？（R语言）

问题场景 #

文本数据里需要处理两类换行：

• 普通换行符：\n、\n\n
• 带数字编号的换行符：\n2、\n\n4这类（换行后直接跟数字，是处理难点）

原尝试的正则代码gsub("[\r\\n0-9]", '', string)会误删文本内的有效数字（比如示例里的"4 laughs"、"9 times ten"），还会错误匹配字母n，达不到预期效果。

示例输入文本：

string <- "There is a square in the apartment. \n\n4Great laughs, which I hear from the other room. 4 laughs. Several. 9 times ten.\n2"

预期输出：

"There is a square in the apartment. Great laughs, which I hear from the other room. 4 laughs. Several. 9 times ten."

解决方案 #

用精准的正则表达式，只匹配换行符（单个或多个）后紧跟的数字，替换掉这些组合，保留正常文本里的有效数字。

代码实现

# 输入文本
string <- "There is a square in the apartment. \n\n4Great laughs, which I hear from the other room. 4 laughs. Several. 9 times ten.\n2"

# 清洗处理
cleaned_string <- gsub("(\\n+)(\\d)", "", string)

# 输出结果
cat(cleaned_string, "\n")

正则解释

• (\\n+)：匹配1个或多个连续的换行符，通过分组锁定目标换行区域
• (\\d)：匹配换行符之后紧跟的单个数字，确保只处理换行开头的编号数字
• 替换逻辑：将"换行符+数字"的组合替换为空，不会影响文本中间独立存在的有效数字

如果需要兼容Windows系统的\r换行符，可修改正则为：

cleaned_string <- gsub("([\r\n]+)(\\d)", "", string)

内容的提问来源于stack exchange，提问作者TurnipHead