在R中移除特定词汇后的文本，保留首姓名与括号内容

刚接触正则确实容易踩坑，你之前用str_remove("and.*")会把括号也删掉，是因为.*是贪婪匹配，会把and后面所有内容（包括最后的括号）都删掉，这就不符合需求啦。

针对你的场景，我们可以用stringr包的str_replace函数，精准匹配并替换掉中间不需要的内容，同时保留第一个姓名和最后的括号部分。

具体实现代码 #

首先定义你的输入文本向量：

input_text <- c(
  "Anders Ahlgren och Anders Åkesson (C)",
  "Karin Nilsson (C)",
  "Edward Riedl (M)",
  "Per-Ingvar Johnsson och Anders Åkesson (C)",
  "Per-Ingvar Johnsson och Annika Qarlsson (C)",
  "Annika Qarlsson och Ulrika Carlsson i Skövde (C)"
)

然后执行替换操作：

library(stringr)

output_text <- str_replace(input_text, "\\s+(och|and).*?(\\([A-Za-z]{1,2}\\))", " \\2")

运行后得到的output_text就是你想要的结果：

[1] "Anders Ahlgren (C)"           "Karin Nilsson (C)"           
[3] "Edward Riedl (M)"             "Per-Ingvar Johnsson (C)"     
[5] "Per-Ingvar Johnsson (C)"      "Annika Qarlsson (C)"

正则表达式解释 #

咱们拆解一下这个正则\\s+(och|and).*?(\\([A-Za-z]{1,2}\\))：

• \\s+：匹配一个或多个空格，确保我们定位到och/and前面的分隔空格
• (och|and)：同时匹配瑞典语的och和英语的and，覆盖你所有的输入情况
• .*?：非贪婪匹配任意字符，这样只会匹配到后面的括号前就停止，不会把括号包含进去
• (\\([A-Za-z]{1,2}\\))：捕获最后的括号部分，其中\\(和\\)是转义后的括号，[A-Za-z]{1,2}匹配括号内1-2个大小写字母
• 替换为 \\2：用空格加上捕获到的括号部分（也就是第二个分组的内容），这样就把中间多余的内容替换掉，保留第一个姓名和括号。

这个方法还能兼容没有och/and的情况（比如你的第2、3条输入），因为正则不会匹配到任何内容，原文本会被完整保留，完美符合你的需求~

内容的提问来源于stack exchange，提问作者Tomas R