如何用gsub筛选HH:MM-HH:MM时段并排除@HH:MM格式事件时间？

1. 保留为逗号分隔的清理后字符串 #

要提取HH:MM-HH:MM格式的时段并清理无效内容，通过两次正则替换即可实现：

# 原始数据
id <- c("3990", "3989", "3004")
timepoints <- c("@6:19,,7:16-7:23,7:25-7:43,@7:53,", "@6:19,,7:25-7:43,@7:53", "7:30-7:39,7:45-7:48,7:49-7:54")
df <- data.frame(id, timepoints)

# 清理步骤
df$cleaned_time <- gsub("@\\d+:\\d+", "", df$timepoints)  # 移除所有@HH:MM格式的内容
df$cleaned_time <- gsub(",+", ",", df$cleaned_time)       # 将连续逗号替换为单个逗号
df$cleaned_time <- gsub("^,|,$", "", df$cleaned_time)     # 移除开头/结尾的逗号
df$cleaned_time <- gsub(",", ", ", df$cleaned_time)       # 可选：给逗号后加空格优化格式

执行后得到的结果：

2. 拆分为长格式方便计算时长 #

如果需要进一步计算每个暂停时段的时长并从总时长中扣除，可以将数据转换为包含开始/结束时间的长格式：

library(tidyr)
library(dplyr)
library(lubridate)

df_processed <- df %>%
  # 先清理原始字符串
  mutate(cleaned_time = gsub("@\\d+:\\d+", "", timepoints)) %>%
  mutate(cleaned_time = gsub(",+", ",", cleaned_time)) %>%
  mutate(cleaned_time = gsub("^,|,$", "", cleaned_time)) %>%
  # 将每个时段拆分为单独行
  separate_rows(cleaned_time, sep = ",") %>%
  filter(cleaned_time != "") %>%
  # 拆分开始和结束时间
  separate(cleaned_time, into = c("start", "end"), sep = "-") %>%
  # 转换为时间格式并计算时长（单位：分钟）
  mutate(
    start = hm(start),
    end = hm(end),
    pause_duration = as.duration(end - start) / dminutes(1)
  )

最终的df_processed会包含每个id对应的所有暂停时段的开始、结束时间及时长，直接求和pause_duration即可得到总暂停时长，再从总观测时长中扣除。

正则表达式说明 #

• @\\d+:\\d+：匹配完整的@HH:MM格式，确保一次性移除整个标记事件的时间
• ,+：匹配连续的逗号（比如原始数据中的,,），替换为单个逗号避免空值
• ^,|,$：匹配字符串开头或结尾的逗号，清理无效的首尾分隔符

内容的提问来源于stack exchange，提问作者Anka